khazaee M, Banakar A, Ghobadian B, Mirsalim M, Minaei S, Jafari S M et al . Analyzing of Timing Belt Vibrational Behavior During a Durability Test Using Artificial Neural Network (ANN). Modares Mechanical Engineering 2016; 16 (3) :311-318
URL:
http://mme.modares.ac.ir/article-15-44-fa.html
خزایی مقداد، بناکار احمد، قبادیان برات، میرسلیم مصطفی، مینایی سعید، جعفری سید محمد و همکاران.. بررسی رفتار ارتعاشی تسمه زمانبندی در طول آزمون دوام به کمک شبکه عصبی مصنوعی. مهندسی مکانیک مدرس. ۱۳۹۵; ۱۶ (۳) :۳۱۱-۳۱۸
URL: http://mme.modares.ac.ir/article-۱۵-۴۴-fa.html
۱- دانشگاه تربیت مدرس
۲- دانشگاه امیرکبیر
۳- ایپکو
چکیده: (۵۹۲۲ مشاهده)
در این پژوهش برای نخستین بار به معرفی روشی هوشمند جهت تخمین عمر مفید باقیمانده تسمه زمانبندی یک موتور درونسوز بر اساس سیگنالهای ارتعاشی آن پرداخته شده است. بدین منظور آزمون دوام شتابدار تسمه زمانبندی بر اساس دما و پیش کشش بیشتر معرفی و انجام شد. سپس آزمون دوام آغاز و سیگنالهای ارتعاشی تسمه زمانبندی از حالت سالم تا خرابی توسط یک حسگر لیزری فاصلهسنج ارتعاشی ثبت شد. سه تابع ویژگی به نامهای انرژی، انحراف از معیار و کورتوسیس از سیگنالهای ارتعاشی در حالات سالم و خرابی استخراج گردید و بدین ترتیب حد آستانه بروز عیب در تسمه زمانبندی نیز تعریف شد. از شبکه عصبی مصنوعی (ANN) جهت پایش و تخمین رفتار ارتعاشی سیگنالهای ارتعاشی تسمه زمانبندی استفاده شد. در نهایت شبکه عصبی مصنوعی بر پایه ویژگیهای انرژی، انحراف از معیار و کورتوسیس سیگنالهای ارتعاشی به ترتیب توانست با دقت میانگین 98%، 98% و 97% به تخمین عمر مفید باقیمانده تسمه زمانبندی موتور درونسوز بپردازد. ضریب همبستگی (R2) تخمین سری-های زمانی ارتعاشی تسمه زمانبندی توسط شبکه عصبی و بر پایه ویژگیهای انرژی، انحراف از معیار و کورتوسیس سیگنالهای ارتعاشی نیز به ترتیب 0.87، 0.91 و 0.87 به دست آمد. همچنین میزان موثر سیگنال خطای (RMSE) شبکه عصبی بر پایه ویژگیهای انرژی، انحراف از معیار و کورتوسیس سیگنالهای ارتعاشی به ترتیب 3.6%، 5.4% و 5.6 % درصد به دست آمد.
نوع مقاله:
مقاله پژوهشی کامل |
موضوع مقاله:
ارتعاشات دریافت: 1394/8/17 | پذیرش: 1394/11/17 | انتشار: 1395/1/7