|
|
مهندسی مکانیک مدرس، جلد ۲۰، شماره ۸، صفحات ۰-۰
|
|
|
| عنوان فارسی |
تشخیص تجربی عیب و اندازه آن در حلقه خارجی یاتاقان غلتشی تماس زاویه‌ای با روش آکوستیک امیشن و شبکه عصبی مصنوعی |
|
| چکیده فارسی مقاله |
در این مقاله، تشخیص تجربی عیب و دسته‌بندی اندازه آن در حلقه خارجی یاتاقان غلتشی تماس زاویه‌ای با روش آکوستیک امیشن و شبکه عصبی مصنوعی ارائه شده است. در یک سیستم آزمایشگاهی، یاتاقان‌ها در چهار سرعت ۶۰۰، ۹۰۰، ۱۲۰۰ و ۱۵۰۰ دور بر دقیقه با چهار بارگذاری از کم به زیاد بارگذاری شدند. بارگذاری به کمک چهار عدد پیچ با گشتاورهای مساوی و مشخص به حلقه خارجی اعمال شدند. این نوع بارگذاری به دلیل این که یاتاقان تماس زاویه‌ای است به بارگذاری ترکیبی شعاعی و محوری به صورت همزمان تبدیل می‌شود و با بارگذاریهای مرسوم در یاتاقانهای شیار عمیق متفاوت است. امواج آکوستیک امیشن به کمک حسگرهای باند پهن، در دو حالت سالم و معیوب ثبت می‌شود. لذا برای تشخیص عیب، میتوان حالتهای مختلف را با حالت سالم مقایسه نمود. برای ایجاد عیب کندگی به صورت مصنوعی، از روش اسپارک استفاده شد. در بررسی نتایج پارامتر جدیدی به منظور افزایش بازده تشخیص عیب و دسته‌بندی اندازه آن، به نام مجموع زمان بالای حد آستانه معرفی شد. با کمک پارامتر معرفی شده و چهار پارامتر آکوستیک امیشن و با استفاده از شبکه عصبی مصنوعی، عملکرد سامانه هوش مصنوعی در تشخیص عیب %95/1 و در دسته‌بندی اندازه عیب %94/4 بود. |
|
| کلیدواژه‌های فارسی مقاله |
تشخیص تجربی عیب،دسته‌بندی اندازه،یاتاقان غلتشی تماس زاویه‌ای،آکوستیک امیشن،شبکه عصبی مصنوعی |
|
| عنوان انگلیسی |
Experimental detection and size estimation of defects on outer race of angular contact ball bearing using acoustic emission signals with artificial neural network |
|
| چکیده انگلیسی مقاله |
In this paper, experimental defect diagnosis and the classification of its size in the outer race of angular contact bearing with acoustic emission method and artificial neural network is presented. In an experimental system, bearings are loaded at four speeds of 600, 900, 1200 and 1500 rpm with four loads from low to high. Loads are applied to the outer race with the help of four bolts with equal and specific torques. Since the bearing is angular type, this type of loading is converted to radial and axial combined loading simultaneously and differs from conventional loads in deep groove bearings. Acoustic emission waves are recorded using broadband sensors in two states, healthy and defective. Therefore, to diagnose the defect, different states can be compared with the healthy. The spark method was used to create an artificially seeded defect. In analyzing the results, a new parameter called “the total time above threshold” was introduced to increase the efficiency of defect diagnosis and classification of its size. With the help of the introduced parameter and 11 conventional acoustic emission parameters and using an artificial neural network, the performance of the artificial intelligence system was 95.1% in defect diagnosis and 94.4% in defect size classification. |
|
| کلیدواژه‌های انگلیسی مقاله |
Experimental Defect Detection,Size Classification,Angular Contact Bearing,Acoustic Emission,Artificial Neural Network |
|
| نویسندگان مقاله |
آرمی مسرخانی | Armi Meserkhani
Mechanical and Energy Systems Engineering, Abbaspour School of Engineering, Shahid Beheshti University
دانشکده مهندسی مکانیک و انرژی، پردیس فنی مهندسی شهید عباسپور دانشگاه شهید بهشتی
سید محمد جعفری | Seyed Mohammad Jafari
Mechanical and Energy Systems Engineering, Abbaspour School of Engineering, Shahid Beheshti University
دانشکده مهندسی مکانیک و انرژی، پردیس فنی مهندسی شهید عباسپور دانشگاه شهید بهشتی
عباس رهی | abbas rahi
Mechanical and Energy Systems Engineering, Abbaspour School of Engineering, Shahid Beheshti University
دانشکده مهندسی مکانیک و انرژی، پردیس فنی مهندسی شهید عباسپور دانشگاه شهید بهشتی
|
|
| نشانی اینترنتی |
http://journals.modares.ac.ir/browse.php?a_code=A-10-50288-5&slc_lang=fa&sid=15 |
| فایل مقاله |
فایلی برای مقاله ذخیره نشده است |
| کد مقاله (doi) |
|
| زبان مقاله منتشر شده |
fa |
| موضوعات مقاله منتشر شده |
|
| نوع مقاله منتشر شده |
|
|
|
|
برگشت به:
صفحه اول پایگاه |
نسخه مرتبط |
نشریه مرتبط |
فهرست نشریات
|
