دوره 17، شماره 2 - ( 2-1396 )                   جلد 17 شماره 2 صفحات 332-325 | برگشت به فهرست نسخه ها

XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Rahbar M, Chaibakhsh A. Comparison between empirical mode decomposition and wavelet transform for unbalance detection on rotating machinery using optimized support vector machine. Modares Mechanical Engineering 2017; 17 (2) :325-332
URL: http://mme.modares.ac.ir/article-15-10043-fa.html
رهبر محمد، چائی بخش لنگرودی علی. مقایسه‌ای بین تجزیه حالت تجربی و تبدیل موجک در تشخیص نابالانسی ماشین دوار با استفاده از ماشین بردار پشتیبان بهینه. مهندسی مکانیک مدرس. 1396; 17 (2) :325-332

URL: http://mme.modares.ac.ir/article-15-10043-fa.html


1- دانشگاه گیلان
2- استادیار / دانشگاه گیلان
چکیده:   (4516 مشاهده)
در این پژوهش، مقایسه‌ای بین روش های تجزیه حالت تجربی، تجزیه حالت تجربی دسته‌ای و تبدیل موجک گسسته با توابع موجک مادر مِیِر و دابچی در تشخیص عیب نابالانسی ماشین دوار انجام شده است. به منظور طبقه‌بندی و تفکیک کلاس سالم از نابالانسی ماشین دوار، از ماشین بردار پشتیبان بهینه شده با الگوریتم بهینه‌سازی ازدحام ذرات استفاده شده است. همچنین، مقایسه‌ای بین عملکرد ماشین بردار پشتیبان بهینه و غیربهینه نیز انجام شده است. به منظور تهیه داده‌های مورد نیاز، ابتدا یک دستگاه شبیه‌ساز عیب در ماشین دوار ساخته، سپس سیگنال‌های ارتعاشی در دو حالت سالم و عیب نابالانسی، توسط سنسورهای شتاب اخذ شدند. بعد از پردازش و تجزیه سیگنال‌ها به مولفه‌های فرکانسی آنها، چند ویژگی آماری از هر مولفه فرکانسی استخراج و بعنوان ورودی ماشین بردار پشتیبان، جهت تفکیک کلاس‌ها از یکدیگر مورد استفاده قرار گرفت. نتایج حاصل نشان داد که روش تبدیل موجک گسسته با تابع موجک مادر مِیِر، درصد موفقیت بالاتری در تشخیص عیب نابالانسی نسبت به سایر روش‌ها دارد.
متن کامل [PDF 1130 kb]   (7036 دریافت)    
نوع مقاله: مقاله پژوهشی کامل | موضوع مقاله: کنترل
دریافت: 1395/8/14 | پذیرش: 1395/11/6 | انتشار: 1395/12/1

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.