تشخیص عیب هوشمند برمبنای یادگیری عمیق در روتورهای انعطاف‌پذیر به وسیله یک یاتاقان پیزوالکتریک جدید | ||
| نشریه مهندسی مکانیک امیرکبیر | ||
| دوره 58، شماره 4، 1405 | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22060/mej.2026.25821.7973 | ||
| نویسنده | ||
| رضا ابراهیمی* | ||
| استادیار گروه مهندسی مکانیک، دانشکده فنی و مهندسی، دانشگاه یاسوج. استادیار، گروه مهندسی مکانیک بیوسیستم، دانشگاه شهرکرد. | ||
| چکیده | ||
| اخیراً سلامت‌سنجی سازه‌ها به خاطر اهمیت زیادش در افزایش طول عمر و بهبود قابلیت اعتماد ماشین‌آلات صنعتی، توجه زیادی را به خود جلب کرده است. عمدتاً روش‌های تشخیص عیب رایج، به حسگرهایی که از باتری‌ها تغذیه می‌شوند وابسته هستند. روش‌های تشخیص عیب خودتوان، ایده جدیدی را برای تشخیص عیب بدون استفاده از حسگرهای سیمی یا متکی به باتری، فراهم می‌کنند. بنابراین این مطالعه، یک یاتاقان هوشمند پیزوالکتریک جدید را برای تولید سیگنال‌های ولتاژ از ارتعاشات روتور، ارائه کرده است. این سیگنال‌های ولتاژ می‌توانند برای تأمین توان واحدهای پایش وضعیت و تشخیص عیب استفاده شوند. برای این منظور یک نمونه، ساخته شده و به صورت آزمایشگاهی با شافت‌های مختلف تست گردیده است. هر شافت دارای یک دیسک مرکزی و یک ترک عرضی تنفس‌کننده در وسط آن است. همه مشخصات شافت‌ها به جز عمق ترک، مشابه هستند. سپس الگوریتم شبکه عصبی پیچشی (CNN) ایجاد و بر اساس ولتاژ خروجی یاتاقان هوشمند برای عمق‌های مختلف ترک، آموزش دیده است. نتایج نشان می‌دهد که عیب ترک می‌تواند به سه دسته‌ی نام‌گذاری شده (سطح I، سطح II و سطح III) طبقه‌بندی شود. همچنین دقت طبقه بندی این روش می‌تواند به %9/99 برسد که برای کاربردهای عملی امکان‌پذیر است. بنابراین یاتاقان هوشمند پیزوالکتریک ارائه شده، چشم‌انداز کاربردی خوبی را برای تشخیص عیب خودتوان ماشین‌های دوار خواهد داشت. | ||
| کلیدواژه‌ها | ||
| یادگیری عمیق؛ یاتاقان هوشمند پیزوالکتریک؛ شبکه عصبی پیچشی؛ تشخیص عیب؛ روتور ترکدار | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 160 |
||