تشخیص و دسته‌بندی عیوب یاتاقان‌های شیار عمیق ساچمه‌ای با استفاده از تبدیل موجک و سیستم عصبی- فازی تطبیقی

امروزه، تشخیص دقیق و سریع عیب، یکی از مسایل اساسی در صنعت است. تاکنون، الگوریتم‌های پیشرفته بسیاری بدین منظور به‌کار گرفته شده‌اند که بیشتر دارای پیچیدگی بسیاری بوده و یا نتایج مطلوبی را درپی نداشتند. پژوهش حاضر، روشی نوین جهت تشخیص عیب یاتاقان‌های موتورهای الکتریکی صنعتی و دسته‌بندی آن‌ها براساس قطر عیب و محل آن ارایه می‌کند. در بخش ابتدایی، سیگنال ارتعاشی مرتبط با عیوب مختلف به‌صورت آزمایشگاهی برای دو یاتاقان ساچمه‌ای شیار عمیق استاندارد متصل به سمت شفت گردنده و سمت محرک در حالت‌های معیوب و سالم استفاده شده و سپس، در بخش دوم، به دلیل وجود نویز بالا در سیستم، از تبدیل موجک ساده تک‌بعدی میر جهت تحلیل سیگنال در حوزه فرکانس و زمان استفاده شده و در نتیجه ضرایب حاصل از تبدیل موجک منحصر به هر سیگنال استخراج گردیده است. در قدم بعدی، این ضرایب به بخش سوم، که یک سیستم عصبی- فازی تطبیقی است، جهت دسته‌بندی نوع عیب، داده شده و تفکیک‌پذیری بر‌اساس میزان عیب موجود در شیار و یا ساچمه انجام گرفته است. در این بخش، قابلیت‌های اصلی سیستم فازی و شبکه عصبی، یعنی مقابله با عدم قطعیت و انعطاف‌پذیری، به‌منظور افزایش میزان دقت و مقابله با نویز در امر عیب‌یابی ترکیب شده است. بخش چهارم این پژوهش نیز به بررسی عملکرد سیستم با تحلیل سیگنال‌های جدید آزمایشگاهی و درنهایت مقایسه این نتایج با کارهای پیشین اختصاص یافته است. نتایج حاصل، حاکی از دقت بالا و قابلیت تفکیک و دسته‌بندی بهتر روش ارایه شده است.