تشخیص عیب یاتاقان های غلتشی با استفاده از سیگنال های ارتعاشی بر اساس تحلیل طیف تکین و شبکه عصبی مصنوعی

در کاربردهای صنعتی، پایش وضعیت و عیب‌یابی بیرینگ ها از اهمیت زیادی برخوردار است. تحلیل ارتعاشی، انتشار صدا، دمانگاری و تحلیل روانکار از جمله روش های تشخیصی جهت شناسایی عیوب بیرینگ ها می باشند. یکی از قابل اطمینان ترین روش‌ها جهت عیب یابی تجهیزات دوار، مطالعه بر روی سیگنال ارتعاشی می باشد. تاکنون روش های مختلفی جهت عیب یابی بیرینگ های غلتشی توسط سیگنال های ارتعاشی در حوزه زمان ارائه شده است. بیشتر روش های سری زمانی، پیچیده و سیگنال های استخراجی تحت تاثیر نویز می باشند. تحلیل طیف تکین که به عنوان یک تکنیک جدید و کارآمد در زمینه تحلیل سری های زمانی مطرح می باشد به لحاظ اجرا آسان و مصون از نویز می باشد. در این روش سیگنال ارتعاشی اصلی هر یک از عیوب بیرینگ غلتشی به مولفه های اساسی تجزیه می شوند، که پس از انتخاب تعدادی از مولفه ها و بازسازی سیگنال ارتعاشی، مشخصه های آماری در حوزه زمان از سیگنال بازسازی شده استخراج می شوند. این مشخصه ها به عنوان ورودی‌های شبکه عصبی مصنوعی جهت تشخیص و طبقه بندی عیوب بیرینگ ها اعمال می گردد. خروجی های شبکه عصبی، عیوب بیرینگ ها هستند که با انتخاب تعداد مناسب نرون های لایه پنهان (لایه میانی)، حداکثر دقت در تشخیص عیوب حاصل می شود. نتایج، پیاده سازی موفق و کارآمد تحلیل طیف تکین در عیب‌یابی بیرینگ های غلتشی با کمترین خطا را نشان می دهد.