پايش وضعيت و تشخيص خطاي يك پمپ صنعتي روغني با استفاده از تبديل موجك گسسته و شبكه هاي عصبي مصنوعي

از ديدگاه كلاس بندي الگوها يك سيستم پايش وضعيت مناسب به سه بخش كلي تقسيم مي شود: اكتساب داده،استخراج ويژگي و نهايتا كلاس بندي وضعيت . در اين مقاله سعي شده است با تمركز بر پايش وضيعيت مبتني يرارتعاشات در ماشين هاي دوار به نتايج با قابليت اطمينان بالاتري در فرايند تشخيص خطا برسيم. بدين منظور ييك روشكارآمد با هدف دستيابي به صحت بالاتر در كلاسه بندي خطاهاي ممكنه در ماشين هاي دوار با استفاده از درختوارهتبديل موجك گسسته و وشبكه هاي عصني مصنوعي چند لايه پرسپترون ارائه مي گردد. سيگنال هاي جمع آوري شدهتوسط حسگرها از سطح ماشين از نوع ارتعاشي مي باشند كه به دنبال آن فرآيند پيش پردازش شامل حذف نويز و سپساستخراج خصوصيت توسط تبديل موجك روي آنها انجام مي گيرد . مرحله استخراج خصوصيت شامل تفكيك سيگنالنمونه برداري شده به زيرباندهاي خود و سپس استخراج ويژگي هاي آماري در طول بازه زيرباندها است . در پايان اينمرحله ميزان جدايي پذيري نمونه ها نسبت به سيگنال هاي خام ورودي بررسي شوند. نهايتا ويژگي هاي بدست آمدهبراي هر نوع از خطا به كلاس هاي خطايي كه تعلق دارند الحاق مي شوندكه اين كار توسط شبكه هاي عصبي مصنوعي ونوع متداول آن شبكه چند لايه پرسپترون صورت مي گيرد .در خطاهاي در نظر گرفته شده براي ماشين شامل پنج نوع ازخطاهاي رايج در پمپ هاي صنعتي است كه عنارتند از: 1- خرابي بدنه 2- كاويتاسيون 3- لقي اتصالات 4- عدم هم -محوري 5- عدم تعادل جرمي . در نهايت به منظور صحه گذاري با كمك داده هاي تست عملكرد روش مذكور بررسي مي شود كه نتايج حاصله نشان از موفقيت روش مورد نظر در تشخيص خطاي ماشين دارند.