جستجو در مقالات منتشر شده
۳ نتیجه برای نوری خاجوی
مصطفی رستاقی، مهرداد نوری خاجوی،
دوره ۱۴، شماره ۷ - ( ۷-۱۳۹۳ )
چکیده
در این تحقیق، سایز و موقعیت نسبی ترک، با استفاده از فرکانس¬های طبیعی لوله¬ی محتوی مایع تحت فشار به کمک شبکه عصبی تشخیص داده می¬شود. شبکه¬ی عصبی به کار رفته از نوع پرسپترون چندلایه (MLP) می¬باشد. با مقایسه ی بین ورودی¬های مختلف، ورودی¬های مطلوب انتخاب شدند. سیال داخل لوله آب می¬باشد. لوله¬های مورد استفاده از دو جنس آلومینیوم و فولاد هستند. لوله در چهار وضعیت: خالی از سیال، حاوی سیال با فشار صفر، با فشارMPa ۴۹۸/۰و با فشار MPa ۹۸۱/۰ می¬باشد. محدوده¬ی سایز ترک از ۱۹۰۴۳/۰ تا ۶۳۴۶/۰ و محدوده¬ی موقعیت از ۱۹۹/۰ تا ۴۰۳/۰ می¬باشد. در زمینه¬ی تشخیص ترک سازه¬ها بر مبنای خصوصیت تغییرات فرکانس طبیعی با کمک شبکه عصبی تحقیقات زیادی انجام شده است. اما تا آنجایی که مولفین آگاهی دارند، جهت شناسایی ترک در لوله¬های حاوی سیال از روش فوق الذکر استفاده نشده است. همچنین استفاده همزمان از سازه¬های با دو جنس مختلف برای آموزش و تست شبکه عصبی از دیگر نوآوری¬های این تحقیق می باشد. مقایسه روش پیشنهادی در این تحقیق با روش¬های تحلیلی انجام شده، نشان می¬دهد که روش پیشنهادی همواره در تخمین سایز دقیق¬تر می¬باشد ولی در تخمین موقعیت با توجه به تعداد کم نمونه¬ها همواره دقیق¬تر نیست.
مهرداد نوری خاجوی، ابراهیم ناصرنیا،
دوره ۱۵، شماره ۲ - ( ۲-۱۳۹۴ )
چکیده
موضوع تشخیص مقدار سایش و شکست ابزار در حین عملیات ماشین‌کاری، یکی از مسائل مهم در کنترل و بهینه‌سازی فرایند ماشین‌کاری اتوماتیک است. در این مطالعه، ارتباط بین سایش ابزار با ارتعاش در دو جهت ماشین‌کاری و عمود بر جهت ماشین‌کاری در هنگام فرزکاری بررسی می‌شود. بدین منظور یک سری آزمایش‌ها با ماشین‌فرز عمودی انجام شد. ابزار ساخت شرکت سندویک و قطعه‌کار از جنس ۴۵ CKانتخاب شد. برای اندازه‌گیری مقدار سایش از یک میکروسکوب استفاده گردید. هدف از این تحقیق، استفاده از ساختار هوشمند شبکه عصبی (MLP) و سیستم استنتاج تطبیقی فازی- عصبی (ANFIS) در طبقه‌بندی و تشخیص مقدار سایش و شکست ابزار است. در این تحقیق برای اولین بار برای طبقه‌بندی و پیش‌بینی دقیق حالت سایش و شکست ابزار از پنج مرحله سایش ابزار استفاده شده است. در این تحقیق، با استفاده از تکنیک آنالیز اجزای اصلی (PCA) ابعاد ماتریس ورودی در حد مطلوب کاهش یافت. جهت دست‌یابی به هدف فوق، شبکه‌های مذکور با استفاده از بردارهای ویژگی و مشخصات استخراج شده از طیف‌های فرکانسی و سیگنالهای زمانی، آموزش دیدند. نتایج نشان داد که برای ۸۶ مورد اندازه‌گیری نهایی، شبکه‌های ANFIS و MLP به ترتیب دارای میانگین ۹۱ و ۸۲ درصد موفقیت در تشخیص درست مقدار سایش و شکست ابزار بودند.از آنجایی که شبکه فازی- عصبی در مقایسه با شبکه عصبی در طبقه‌بندی عیوب، نتایج بهتر و قابل قبول‌تری ارائه می‌دهد، می‌تواند به عنوان روشی مناسب در جهت تشخیص هوشمند سایش ابزار بکار برده شود.
مهرداد نوری خاجوی، محمدرضا باویر، ابراهیم فرخی،
دوره ۱۵، شماره ۷ - ( ۷-۱۳۹۴ )
چکیده
آنتروپی در آمار، معیاری در جهت اندازه‌گیری بی‌نظمی در سری‌های زمانی می‌باشد. از آنتروپی جهت بررسی سیگنالهای زمانی فیزیولوژیک استفاده می‌شود. به کمک این تحلیل می‌توان به عملکرد سالم یا ناسالم ارگان‌های بدن مانند قلب، مغز و ... پی بُرد. از این روش برای تشخیص بیماری صرع استفاده شده است. در این مقاله برای اولین بار از نوع خاصی از آنتروپی به نام آنتروپی جایگشتی جهت تعیین سلامت سیستم‌های مکانیکی استفاده شده است. دستگاهی شامل موتور که به یک محور تحت گشتاور خمشی متصل شده جهت انجام آزمایشات طراحی و ساخته شد.ارتعاشات ناشی از این محور دوار در حالت‌های سالم و با ترک‌های ۳، ۵ و ۷ میلی‌متر توسط دستگاه داده‌برداری بر روی یاتاقان‌های نگه‌دارنده محور، ثبت شد. این سیگنال‌ها توسط الگوریتم آنتروپی جایگشتی مورد تحلیل قرار گرفت. نتایج حاصل از این پیش‌پردازش سیگنالهای ارتعاشی به‌عنوان بردارهای خصوصیت به یک سیستم استنتاج عصبی-فازی تطبیقی (انفیس) داده شد. تعداد ۹ خصوصیت از سیگنال آنتروپی چندمقایسی اسخراج شد که بعنوان ورودی‌های سیستم انفیس مورد استفاده قرار گرفت. سیستم انفیس طراحی‌شده توانست با تحلیل سیگنالهای پیش‌پردازش شده حالات مختلف چهارگانه را با دقت بیش از ۹۶% تشخیص دهد. نتایج به‌دست‌آمده از این تحقیق می‌تواند به‌عنوان روشی جدید و بدیع جهت عیب‌یابی سیستم‌های مکانیکی مورد استفاده قرار گیرد.
