تشخیص خطای چرخ‌ دنده پلیمری بر مبنای سیگنال صوتی و تبدیل بسته موجک

چرخ‌ دنده‌ها بخش بسیار مهمی از تجهیزات مختلف مکانیکی در صنعت هستند. به دلیل آن‌که در فرایندهای مکانیکی، دندانه‌ها در طولانی مدت تحت بار قرار می‌گیرند، سطح دندانه آن‌ها معمولاً فرسوده، ساییده و حتی شکسته می‌شود. تشخیص به موقع خطا نه تنها می‌تواند چرخه عمر چرخ‌دنده‌ها را افزایش دهد بلکه حتی می‌تواند از تلفات اموال و تلفات ناشی از خرابی‌ها نیز جلوگیری نماید. بنابراین، نظارت و تشخیص سلامت چرخ‌دنده‌ها برای اطمینان از عملکرد طبیعی ماشین‌های گرانبها در صنعت امری ضروری است. در این پژوهش، تشخیص خطا در چرخ‌دنده های پلیمری، با استفاده از سیگنال صوتی به عنوان یک روش بازرسی غیرتماسی مدنظر قرار گرفته است. بدین منظور از 50 زوج چرخ‌دنده در وضعیت سالم، دندانه‌های ساییده شده و دندانه‌های شکسته شده در دو سرعت 66 و 99 دور بر دقیقه، سیگنال صوت ضبط شده است. در ادامه با استفاده از تبدیل بسته موجک (wpt)، سیگنال صوت در حوزه زمان – فرکانس تجزیه شده و 12 ویژگی آماری از 16 ضریب سطح چهارم wpt استخراج شده است. به منظور بررسی عملکرد الگوریتم تشخیص خطا از چهار طبقه‌بند جداساز خطی، k نزدیک‌ترین همسایه، درخت تصمیم و ماشین بردار پشتیبان استفاده شده است. مقادیر معیارهای دقت، نرخ مثبت واقعی، نرخ منفی واقعی، ارزش پیش‌بینی مثبت، ارزش پیش‌بینی منفی، میانگین هندسی، نمره f1 و ضریب همبستگی متیوز، نشان داده است که با استفاده از wpt، می‌توان تمایز معنی‌داری میان چرخ‌دنده‌های سالم و معیوب پیدا کرد. از این‌رو، روش پیشنهادی یک رویکرد مناسب، برای تشخیص خطای به موقع چرخ‌دنده‌های پلیمری مورد استفاده در تجهیزات مکانیکی است.

polymer gear fault detection based on audio signal and wavelet packet transform

gears are a very important part of mechanical equipment in industry. due to the fact that in mechanical processes, the teeth are subjected to long-term load, the surface of their teeth is usually rusty, worn out and even broken. timely fault detection cannot only increase the life cycle of the gears, however it can even prevent property losses and losses due to breakdowns. therefore, it is necessary to monitor and diagnose the health of the gears to ensure the normal operation of the invaluable machines in industry. in this research, fault detection in polymer gears using audio signal is considered as a non-contact inspection method. sound signals were recorded from 50 pairs of gears in normal condition, worn teeth and broken teeth at two speeds of 66 and 99 rpm. in the following, using wavelet packet transformation (wpt), the sound signal is analyzed in the time-frequency domain and 12 statistical features are extracted from the 16 coefficients of the fourth level of wpt. in order to study the performance of the fault detection algorithm, four classifications of linear discriminant analysis, k-nearest neighbor, decision tree and support vector machine have been used. the values of accuracy, true positive rate, true negative rate, positive predictive value, negative predictive value, geometric-mean, f1 score, and matthews correlation coefficient have shown that by using wpt, a significant distinction can be found between normal and faulty gears. therefore, the proposed method is a suitable approach for timely error detection of polymer gears used in mechanical equipment.