جستجو در مقالات منتشر شده
۲ نتیجه برای حلمی
داود سلیمی مجد، مرتضی حلمی، بیژن محمدی،
دوره ۱۵، شماره ۷ - ( ۷-۱۳۹۴ )
چکیده
کامپوزیت‌های پلیمری، بخاطر داشتن نسبت استحکام به وزن بالا و خواص جهتی‌شان، کاربردهای مهندسی زیادی به ویژه در صنایع هوایی دارند. با این حال به دلیل خواص متفاوت اجزای این مواد، پیش‌بینی تخریب آن‌ها به ویژه تحت بارگذاری متناوب دشوار می‌باشد. هدف از انجام این تحقیق، ارائه یک روش جدید برای پیش‌بینی تخریب خستگی درون‌لایه‌ای کامپوزیت‌های الیافی بر پایه مکانیک خرابی محیط پیوسته می‌باشد. در این پژوهش برای در نظر گرفتن تأثیر عیوب میکروسکوپی در سه جهت مادی، سه متغیر وضعیت داخلی ماده تحت عنوان متغیرهای آسیب در چارچوب علم ترمودینامیک تعریف شده است. مدل ارائه شده در این تحقیق، توانایی این را دارد که با در نظر گرفتن رشد آسیب در سه جهت، تخمین مناسبی از عمر خستگی کامپوزیت‌های چندلایه ارائه دهد. بدین منظور یک حل بسته بر پایه روش انرژی و در چارچوب مکانیک خرابی ارائه شده است، به گونه‌ای که تفاوت تخریب در جهات مختلف را نیز لحاظ می‌نماید و در عین حال مستقل از لایهچینی می‌باشد. مدل مزبور با استفاده از ماده نوشته شده توسط کاربر(Usermat)، در نرم‌افزار Ansys پیاده‌سازی شده است. حسن استفاده از این روش این است که با داشتن مشخصات استاتیکی و خستگی برای چندلایه تک جهته، می‌توان عمر خستگی را برای شرایط مختلف بارگذاری و برای هر نوع لایهچینی محاسبه کرد. نحوه مشخصه سازی ثوابت مدل بیان شده و سپس برای یک ماده مرکب معین ثوابت محاسبه شده‌اند. مقایسه نتایج پیش‌بینی شده توسط مدل ارائه شده با نتایج آزمایشی موجود، نشان از دقت مناسب مدل دارد.
حامد حلمی، احمد فروزان تبار، محمد آزادی،
دوره ۲۴، شماره ۱۱ - ( آبان ۱۴۰۳ )
چکیده
عیوب یاتاقان‌های غلتشی یکی از دلایل اصلی خرابی ماشین‌آلات دوار است. شناسایی عیوب یاتاقان غلتشی نقش اساسی در اطمینان عملکرد واحدهای تولیدی داشته است. علاوه بر این، پایش وضعیت ماشین‌آلات با استفاده از آنالیز ارتعاشات یکی از قدرتمندترین ابزارها در سلامت‌سنجی سامانه‌های مکانیکی است. این تحقیق یک سیستم هوشمند تشخیص عیوب یاتاقان‌های غلتشی مبتنی بر آنالیز ارتعاشات پیشنهاد می‌کند. در سیستم هوشمند عیب‌یابی از ویژگی‌های استخراج شده سیگنال‌های ارتعاشی در حوزه زمان و شبکه عصبی تابع پایه شعاعی استفاده شده است. مجموعه داده‌های آموزش و آزمون به سیستم هوشمند شبکه عصبی تابع پایه شعاعی ارائه می‌شود. نتایج یادگیری شبکه عصبی، عملکرد بسیار موفق سیستم هوشمند عیب‌یابی در تشخیص حالت‌های سلامت و عیوب سه‌گانه یاتاقان غلتشی را نشان می‌دهد
