بررسی مقایسه‌ای کارایی روش‌هایی بر پایه تکنیک‌های هوش مصنوعی در تشخیص عیوب سیستم‌های مکانیکی

بلبرینگ‌ها یکی از پر استفاده‌ترین قطعات موتورها می‌باشند که به دلیل چرخش دائمی زودتر از بقیه قطعات دچار خرابی می شوند و بدین خاطر تحقیقات وسیعی بر روی پایش سلامت بلبرینگ‌های موتورهای القایی انجام شده است. عیوب بلبرینگ‌ها معمولا از نوع محلی هستند که در حلقه داخلی، خارجی، ساچمه‌ها یا قفسه ایجاد می‌شوند. به همین علت از سیگنال ارتعاشی برای پایش سلامت بلبرینگ‌ها استفاده می‌شود. همچنین در این پژوهش عیب‌یابی ورق‌های کامپوزیت با استفاده از پردازش سیگنال ارتعاشی و روش‌های مبتنی بر هوش مصنوعی نیز صورت گرفته است. سیگنال‌های ارتعاشی از ورق‌های کامپوزیتی سالم و دارای عیب گرفته شده و با استفاده از روش‌های مختلف پردازش سیگنال حوزه زمان فرکانس تعدادی ویژگی از این سیگنال‌ها استخراج شده است. سپس موثرترین ویژگی‌ها که حاوی اطلاعات بیشتری از ورق‌های کامپوزیتی می‌باشند به‌عنوان ورودی به سیستم‌های مختلف طبقه‌بندی داده شده است که خروجی آنها نشان‌دهنده نوع و شدت عیب می‌باشد. نتایج به‌دست آمده نشان‌دهنده برتری روش انفیس از نظر درصد دقت می‌باشد درحالی‌که این روش بیشترین مدت زمان اجرا را در تعداد اجراهای برابر دارد. درصورتی‌که روش پیشنهادی xcs بهبود یافته است، درصد دقت نسبتا کمتری نسبت به انفیس دارد، ولی مدت زمان اجرای کمتری را (در تعداد اجرای برابر نسبت به روش فوق) به خود اختصاص می‌دهد.