AU - Taheri-Garavand, Amin AU - Omid, Mahmoud AU - Ahmadi, Hojjat AU - Mohtasebi, Seyed Saeid AU - Carlomagno, Giovanni Maria TI - Intelligent fault diagnosis of cooling radiator based on thermal image processing and artificial intelligence techniques PT - JOURNAL ARTICLE TA - mdrsjrns JN - mdrsjrns VO - 17 VI - 2 IP - 2 4099 - http://mme.modares.ac.ir/article-15-1817-fa.html 4100 - http://mme.modares.ac.ir/article-15-1817-fa.pdf SO - mdrsjrns 2 AB  - در این تحقیق یک سامانه مبتنی بر تلفیق فناوری‌های گرمانگاری و پردازش تصویر برای تشخیص و طبقه‌بندی عیوب مختلف رادیاتور توسعه داده می شود. عیوب متداول در رادیاتور‌های سیستم خنک کاری شامل؛ گرفتگی لوله‌های رادیاتور، گرفتگی شبکه رادیاتور، اتصالات شل بین لوله‌ها و شبکه رادیاتور، نشتی مایع خنک کاری، خرابی درب رادیاتور بصورت مصنوعی ایجاد گردید. به منظور تشخیص عیوب مختلف رادیاتور، از شرایط مختلف رادیاتور معیوب و سالم در سه سطح دمایی، سه سطح دبی جریان سیال خنک کاری در حال گردش و دو سطح سرعت هوای عبوری از شبکه رادیاتور تصاویر گرمایی توسط یک دوربین فروسرخ تهیه شد. پس از پیش پردازش تصاویر گرمایی تهیه شده جهت تجزیه و پردازش چند دقتی از تصاویر مذکور تبدیل موجک در یک سطح تجزیه اعمال گردید. از هر کدام از تصاویر گرمایی مقیاس خاکستری، تصاویر تقریب ، جزئیات افقی، عمودی و قطری تبدیل موجک آن تصویر، ویژگی‌های آماری بافت استخراج گردید. سپس با تلفیق تکنیک‌های هوشمند الگوریتم ژنتیک و شبکه‌های عصبی-فازی تطبیقی (انفیس)، از آن جهت انتخاب ویژگی و ورودی‌های موثر به طبقه‌بند استفاده شد. در نهایت، از انفیس برای طبقه‌بندی تصاویر گرمایی با استفاده از بردار ویژگی‌های مستخرج و منتخب استفاده گردید. برای ارزیابی طبقه‌بند از شاخص‌های آماری صحت، حساسیت و اختصاصی بودن محاسبه شدند. پس از ارزیابی، سامانه‌ پیشنهادی توانست با دقت کلی طبقه‌بندی 94.11 درصد عیوب مختلف رادیاتور سیستم خنک کاری را تشخیص و طبقه‌بندی نماید. بنابراین استفاده از تکنیک پردازش تصاویر گرمایی مبتنی بر هوش مصنوعی برای پایش وضعیت و تشخیص هوشمند عیوب رادیاتور امیدوار کننده است. CP - IRAN IN - LG - eng PB - mdrsjrns PG - 240 PT - YR - 2017