جستجو در مقالات منتشر شده
۲ نتیجه برای تشخیص خطا
امین آذرشب، مهدی شهبازیان،
دوره ۱۷، شماره ۲ - ( ۲-۱۳۹۶ )
چکیده
یک راه موثر برای افزایش قابلیت اطمینان یک فرآیند صنعتی، طراحی الگوریتم تشخیص خطا جهت پایش لحظه به لحظه ی آن است. در یک سیستم دینامیکی، خطا به هر گونه انحراف از وضعیت کاری مطلوب اتلاق می شود. متناسب با ابعاد سیستم، معماری های مختلفی از قبیل: متمرکز، غیر متمرکز و توزیع شده برای پیاده سازی الگوریتم تشخیص خطا وجود دارد. در این مقاله، رویکردی متمرکز با استفاده از تکنیک ترکیب اطلاعات چند سنسوری (MSDF) مبتنی بر فیلتر اطلاعات توسعه یافته ی ترکیبی(HEIF) ارائه شده است. این فیلتر، هم زمان مزایای دو الگوریتم موجود، یعنی فیلتر کالمن توسعه یافته ی ترکیبی(HEKF) و فیلتر اطلاعات(IF) را دارد. این روش مانند فیلتر کالمن توسعه یافته ی ترکیبی از دقت بالاتری در مقایسه با فیلتر مرسوم کالمن برخوردار است و همپنین همانند فیلتر اطلاعات قابلیت پیاده سازی به صورت غیر متمرکز و توزیع شده را نیز دارد. الگوریتم متمرکز ارائه شده برای سیستمهای دینامیکی با ابعاد پایین، به تخمینی دقیق تر با سرعت همگرایی بیشتر و تشخیص زودتر خطا می انجامد که به پیاده سازی بلادرنگ کمک خواهد کرد. همچنین برای سیستم های با ابعاد بزرگ(LSS)، مبنایی برای مقایسه عملکرد رویکردهای غیرمتمرکز می باشد.
مهسا واقفی، محمدصادق توللی، رضا جاهدی، امیرسعید قدسی نژاد، محمد مسیح سعادت فرد،
دوره ۲۴، شماره ۶ - ( ۳-۱۴۰۳ )
چکیده
چرخ‌دنده‌ها بخش بسیار مهمی از تجهیزات مختلف مکانیکی در صنعت هستند. به دلیل آن‌که در فرایندهای مکانیکی، دندانه‌ها در طولانی مدت تحت بار قرار می‌گیرند، سطح دندانه آن‌ها معمولاً فرسوده، ساییده و حتی شکسته می‌شود. تشخیص به موقع خطا نه تنها می‌تواند چرخه عمر چرخ‌دنده‌ها را افزایش دهد بلکه حتی می‌تواند از تلفات اموال و تلفات ناشی از خرابی‌ها نیز جلوگیری نماید. بنابراین، نظارت و تشخیص سلامت چرخ‌دنده‌ها برای اطمینان از عملکرد طبیعی ماشین‌های گرانبها در صنعت امری ضروری است. در این پژوهش، تشخیص خطا در چرخ‌دنده های پلیمری، با استفاده از سیگنال صوتی به عنوان یک روش بازرسی غیرتماسی مدنظر قرار گرفته است. بدین منظور از ۵۰ زوج چرخ‌دنده در وضعیت سالم، دندانه‌های ساییده شده و دندانه‌های شکسته شده در دو سرعت ۶۶ و ۹۹ دور بر دقیقه، سیگنال صوت ضبط شده است. در ادامه با استفاده از تبدیل بسته موجک (WPT)، سیگنال صوت در حوزه زمان – فرکانس تجزیه شده و ۱۲ ویژگی آماری از ۱۶ ضریب سطح چهارم WPT استخراج شده است. به منظور بررسی عملکرد الگوریتم تشخیص خطا از چهار طبقه‌بند جداساز خطی، K نزدیک‌ترین همسایه، درخت تصمیم و ماشین بردار پشتیبان استفاده شده است. مقادیر معیارهای دقت، نرخ مثبت واقعی، نرخ منفی واقعی، ارزش پیش‌بینی مثبت، ارزش پیش‌بینی منفی، میانگین هندسی، نمره F۱ و ضریب همبستگی متیوز، نشان داده است که با استفاده از WPT، می‌توان تمایز معنی‌داری میان چرخ‌دنده‌های سالم و معیوب پیدا کرد. از این‌رو، روش پیشنهادی یک رویکرد مناسب، برای تشخیص خطای به موقع چرخ‌دنده‌های پلیمری مورد استفاده در تجهیزات مکانیکی است.
