انتخاب توابع ویژگی مناسب برای ایجاد شاخص سلامت در ماشین‌آلات دوار با بهره‌گیری از فلسفه نوین مدیریت سلامت پیش‌بینانه

مدیریت سلامت پیش‌بینانه (phm) یک فلسفه نوین در علم نگهداری و تعمیرات (نت) است که به تشخیص و پیش‌آگاهی نارسایی و عیوب در دستگاه‌ها می‌پردازد. phm در ماشین‌آلات دوار عموما با تجزیه و تحلیل سیگنال‌های ارتعاش، انتشار صوت، دما یا آنالیز روغن انجام می‌شود. با در دست داشتن شاخص سلامت مناسب بدست آمده از تجزیه و تحلیل سیگنال، می‌توان نقص سیستم را به موقع تشخیص داد و دستگاه را برای عملیات نت آماده کرد. در این مقاله، از سیگنال‌های انتشار صوتی اسپیندل یک دستگاه فرز برای تشخیص ساییدگی و یا شکستگی ابزار استفاده شده است. ابتدا با تجزیه و تحلیل موجک، نویز سیگنال کاهش داده شد تا بتوان با تجزیه و تحلیل سیگنال به شاخص سلامت مناسب دست یافت. در اینجا از سه تابع موجک مادر db4 و sym5 و haar و سه روش آستانه گذاری استفاده شده است. تحقیقات نشان داد که توابع مادر sym5 و haar با روش آستانه‌گذاری penalize low، با 3 سطح تجزیه، کمترین mse به ترتیب 0.0018 و 0.0019 را دارد. در مرحله بعد، چهارده تابع ویژگی سیگنال، استخراج و با یکدیگر مقایسه شدند. از بین توابع مورد بررسی برای شاخص سلامت، نتیجه نشان داد که میزان تغییرات از حالت سالم به ناسالم ابزار علاوه بر تابع میانگین مجذور مربعات (rms) با 10% تغییر، مربع ریشه سیگنال با 10%، آنتروپی 15%، انرژی 28%، فاکتور ضربه 33%، شاخص بیشینه سیگنال 48% نیز می‌توانند معیارهای مناسبی برای شاخص سلامت باشند.