شناسایی و عیبیابی سازه تیریشکل با استفاده از سیگنالهای ارتعاشی بر پایه مدل شبیهسازیشده، حالت سالم واقعی و شبکه عصبی کانولوشنال عمیق | ||
| نشریه مهندسی مکانیک امیرکبیر | ||
| مقاله 9، دوره 53، شماره 4، تیر 1400، صفحه 2193-2216 اصل مقاله (2.65 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22060/mej.2020.17380.6586 | ||
| نویسندگان | ||
| زهره موسوی1؛ میر محمد اتفاق* 1؛ مرتضی صادقی1؛ سید ناصر رضوی2 | ||
| 1تبریز*مهندسی مکانیک | ||
| 2دانشگاه تبریز | ||
| چکیده | ||
| پایش وضعیت سیستمهای مکانیکی اعم از سازهها، ماشینهای دوار همواره یکی از چالشهای مهم محسوب میشود. در این مقاله روش جدیدی برای شناسایی و عیبیابی سازه تیری شکل در حضور عدم قطعیتهایی مانند خطاهای مدلسازی، خطاهای اندازهگیری، تغییرات بارگذاری و نویزهای محیطی بر پایه مدل شبیهسازیشده و حالت سالم واقعی ارائه شده است. در این روش، دادههای سیستم سالم واقعی برای بهروزرسانی پارامترهای مدل شبیهسازیشده استفاده شده است. برخی از بخشهای سیگنال که مربوط به ذات سیستم نیستند با استفاده از روش تجزیه مود تجربی دستهای کامل، حذف شدهاند. یک شبکه عصبی کانولوشنال عمیق، بهمنظور یادگیری ویژگیهای حساس به عیب از داده خام فرکانسی مدل شبیهسازیشده و حالت سالم واقعی طراحی شده است. دادههای خام فرکانسی با استفاده از روش چگالی طیفی توان از سیگنالهای ارتعاشی استخراج شدهاند. بهمنظور آموزش شبکه عمیق پیشنهادی از دادههای خام فرکانسی مدل شبیهسازیشده و حالت سالم واقعی استفاده میشود. پسازآن دادههای خام فرکانسی مدل واقعی برای ارزیابی شبکه عمیق پیشنهادی استفاده میشود. روش پیشنهادی با استفاده از سازه تیری شکل آزمایشگاهی ارزیابی شده است. نتایج حاصل نشان میدهد که استفاده از الگوریتم پیشنهادی برای شناسایی و عیبیابی سازه تیریشکل صحت بالاتری نسبت به سایر روشهای مقایسهای دارد. | ||
| کلیدواژهها | ||
| پایش وضعیت؛ سازه تیریشکل؛ سیگنال ارتعاشی؛ شبکه عصبی عمیق | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 1,081 تعداد دریافت فایل اصل مقاله: 1,217 |
||
| تعداد نشریات | 9 |
| تعداد شمارهها | 455 |
| تعداد مقالات | 5,771 |
| تعداد مشاهده مقاله | 8,376,909 |
| تعداد دریافت فایل اصل مقاله | 6,936,518 |