به كارگيري متد هاي هوش مصنوعي در عيب يابي و تخمين عمر باقيمانده ماشين آلات دوار

كارشناسي ارشد

نگاهداشت پيشبينانه توسط پايش وضعيت ماشين هاي دوار به منظور كم كردن هزينه هاي نگاهداشت، افزايش كيفيت توليد و امنيت و در دسترس بودن ماشين آلات در سال هاي اخير توجهات بسياري را به خود جلب كرده است. يكي از اولين قدم ها براي برنامه ريزي صحيح فعاليت هاي نگاهداشت تشخيص عيب در ابتدايي ترين زمان ممكن است. در اين پايان نامه، تشخيص و ايزوله كردن عيب توسط تست هاي پايش وضعيت، و به طور خاص براي ماشين آلات دوار، توسط آناليز ارتعاشات انجام شده است. خودكار سازي عمليات عيب يابي نيز در ساليان اخير بسيار مورد توجه بوده است كه در بين متد هاي مختلف آن مانند مدل سازي و متد هاي محاسباتي ، استفاده از هوش مصنوعي كارايي بسيار بالايي را نشان داده است. در اين پايان نامه داه هاي ارتعاشي مربوط به شرايط كاري موتور هاي الكتريكي با توان هاي متفاوت و حالت هاي سلامت متفاوت در طول پنج سال جمع آوري شده است و يك نرم افزار براي عيب يابي و تخمين عمر باقيمانده ماشين آلات دوار با همكاري پالايشگاه نفت امام خميني شازند توسعه داده شده است. سيستم هوشمند پيشنهادي در دو فاز تشخيص سالم و معيوب بودن و تشخيص نوع عيب ارائه شده است. شبكه هاي عصبي كم عمق و عميق آموزش ديده اند و از متد تلفيق داده ها در سطح تصميم گيري ياگر براي تصميم گيري نهايي استفاده شده است. در بخش پيشبيني از سه متد مختلف براي تخمين عمر ياتاقان هاي دوار استفاده شده است. نشانگر سلامت جديدي بر اساس تبديل موجك گسسته ارائه شده است و توسط اين نشانگر سلامت، آناليز سري هاي زماني به منظور تخمين نشانگر سلامت توسط شبكه عصبي جريان بازگشتي انجام شده است.

194826

دانشگاه علم و صنعت ايران

طراحي كاربردي

دكتر محمد رياحي