مهدی مطاعی - دانشجوی کارشناسی ارشد، مهندسی مکانیک، دانشکده فنی و مهندسی، واحد کرمانشاه، دانشگاه آزاد اسلامی

یاتاقان ها یکی از اجزا پر کاربرد در صنعت هستند که بیشتر از سایر اجزاء متحرک ماشین ها در معرض خرابیهستند. در این تحقیق یک روش دقیق برای تشخیص عیب یاتاقان براساس سیگنال های ارتعاشی ارائه شد.سیگنال های ارتعاشی از چهار عیب رایج در یاتاقان در سه سرعت مختفلف ۱۸۰۰، ۳۹۰۰ و ۶۶۰۰ دور در دقیقهضبط گردید. سیگنال های ارتعاشی توسط تبدیل فوریه سریع به حوزه فرکانس منتقل شدند. در مجموع ازسیگنال های فرکانسی و زمانی ۲۴ ویژگی استخراج شد. ویژگی های برتر با استفاده از ترکیب الگوریتم ژنتیک وشبکه عصبی مصنوعی انتخاب شدند. از طبقه بند ماشین بردار پشتیبان برای تشخیص هوشمند عیوب بالبیرینگ استفاده شد. دقت ماشین بردار پشتیبان با تمام ویژگی های استخراجی در دورهای مختف نشان داد کهبیشترین دقت برای داده های آموزش و آزمون در سرعت ۱۸۰۰ دور در دقیقه ۷۸/۸۶ و ۶۹/۳۳ درصد به دست آمد. نتایج کاهش ویژگی و انتخاب ویژگی های برتر نشان داد که بالاترین دقت ماشین بردار پشتیبان در طبقه بندی عیوب بال بیرینگ برای داده های آموزش و آزمون ۹۷/۱۴% و ۹۳/۳۳% به دست آمد. نتایج نشان داد که استفاده از روش انتخاب ویژگی براساس الگوریتم ژنتیک سبب افزایش در دقت طبقه بندی خواهد شد.

یاتاقان، سیگنال ارتعاشی، الگوریتم ژنتیک، ماشین بردار پشتیبان