دوره ۱۴، شماره ۱۶ - ( ويژه‌نامه چهارم ۱۳۹۳ )                   جلد ۱۴ شماره ۱۶ صفحات ۳۴۸-۳۳۹ | برگشت به فهرست نسخه ها

‎ 20.1001.1.10275940.1393.14.16.39.8

XML English Abstract Print

Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Moavenian M, Pazhoohiyani M, Momeni Heravi M E. Identification of broken needle in single jersey circular knitting machine using neural network on yarn fluctuations signals. Modares Mechanical Engineering 2015; 14 (16) :339-348
URL: http://mme.modares.ac.ir/article-15-12263-fa.html
معاونیان مجید، پژوهیانی محسن، مومنی هروی محمد احسان. شناسایی سوزن شکسته در ماشین گردباف یکروسیلندر با استفاده از شبکه عصبی بروی سیگنال‌های نوسانی جریان حرکتی نخ. مهندسی مکانیک مدرس. ۱۳۹۳; ۱۴ (۱۶) :۳۳۹-۳۴۸

URL: http://mme.modares.ac.ir/article-۱۵-۱۲۲۶۳-fa.html

شناسایی سوزن شکسته در ماشین گردباف یکروسیلندر با استفاده از شبکه عصبی بروی سیگنال‌های نوسانی جریان حرکتی نخ
مجید معاونیان* ۱، محسن پژوهیانی۲ ، محمد احسان مومنی هروی۳
۱- دانشیار عضو هیأت علمی دانشگاه فردوسی مشهد دانشکده مهندسی گروه مکانیک-FDI
۲- دانشجوی کارشناسی ارشد گروه مکانیک دانشگاه فردوسی مشهد
۳- عضو هیئت علمی دانشگاه آزاد اسلامی واحد مشهد
چکیده:   (۶۹۸۷ مشاهده)
کیفیت پارچه بافته‌شده در ماشین‌آلات گردباف نسبت به هر گونه تغییرات ناخواسته در مکانیزم بافت و اجزای آن منجمله بروز پدیده سوزن‌شکسته که سبب پیدایش عیب خطوط عمودی در سطح پارچه می شود، حساس است. پایش وضعیت ماشین‌آلات گردباف به منظور افزایش کیفیت و کاهش هزینه‌های تولید، امری اساسی و ضروری به نظر می رسد. در فرایند بافندگی زمانی که نخ توسط سوزن جهت تشکیل حلقه بافت به سمت پایین کشیده می شود، نیروی کششی ایجاد شده درون نخ سبب بروز نوسانات جریان حرکتی نخ در حال تغذیه می گردد. هدف از تحقیق حاضر شناسایی عیب شکستگی سوزن و تعداد آنها در ماشین گردباف یکروسیلندر با استفاده از شبکه عصبی بروی سیگنال‌های نوسانی جریان حرکتی نخ است. روند اجرایی آزمایشات به گونه‌ای طراحی شد که سه وضعیت معیوب سوزن‌شکسته در شرایط تولید صنعتی به ماشین گردباف اعمال گردید. سیگنال نوسانی جریان تغذیه نخ توسط سامانه ثبت نوسانات، ذخیره و آغشتگی نویز آن با استفاده از تکنیک موجک حذف و سپس به کمک روش‌های آماری و استفاده از جزئیات به‌دست‌آمده از آنالیز موجک، استخراج ویژگی‌ها صورت گرفت. در نهایت قابلیت شبکه عصبی در تفکیک سیگنال‌ها به چهار دسته سالم، یک، دو و چهار سوزن شکسته محک خورد. بررسی نتایج نشان می‌دهند که دقت تشخیص تعداد سوزن‌های شکسته در این روش با پنجاه مرتبه تکرار 99.43 درصد است.
واژه‌های کلیدی: عیب‌یابی، ماشین گردباف یکروسیلندر، شبکه عصبی، تبدیل موجک
متن کامل [PDF 966 kb]   (۶۶۷۳ دریافت)    
نوع مقاله: مقاله پژوهشی کامل | موضوع مقاله: ابزار دقیق|اتوماسیون
دریافت: 1393/5/23 | پذیرش: 1393/7/10 | انتشار: 1393/8/24
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.