انتخاب توابع ویژگی مناسب برای ایجاد شاخص سلامت در ماشین آلات دوار با بهره گیری از فلسفه نوین مدیریت سلامت پیش بینانه

مدیریت سلامت پیش بینانه (PHM) یک فلسفه نوین در علم نگهداری و تعمیرات (نت) است که به تشخیص و پیش آگاهی نارسایی و عیوب در دستگاه ها می پردازد. PHM در ماشین آلات دوار عموما با تجزیه و تحلیل سیگنال های ارتعاش، انتشار صوت، دما یا آنالیز روغن انجام می شود. با در دست داشتن شاخص سلامت مناسب بدست آمده از تجزیه و تحلیل سیگنال، می توان نقص سیستم را به موقع تشخیص داد و دستگاه را برای عملیات نت آماده کرد. در این مقاله، از سیگنال های 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 db۴ و sym۵ و haar و سه روش آستانه گذاری استفاده شده است. تحقیقات نشان داد که توابع مادر sym۵ و haar با روش آستانه گذاری penalize low، با ۳ سطح تجزیه، کمترین MSE به ترتیب ۰.۰۰۱۸ و ۰.۰۰۱۹ 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 ۱۰% تغییر، مربع ریشه سیگنال با ۱۰%، آنتروپی ۱۵%، انرژی ۲۸%، فاکتور ضربه ۳۳%، شاخص بیشینه سیگنال ۴۸% نیز می توانند معیارهای مناسبی برای شاخص سلامت باشند.