انوشیروان فرشیدیان فر - استادیار گروه مکانیک – دانشگاه فردوسی مشهد
سعید عباسیون - کارشناس ارشد گروه مکانیک – دانشگاه فردوسی مشهد
دانیال بوستان - کارشناس ارشد گروه مکانیک – دانشگاه فردوسی مشهد

با توجه به اهمیت یاتاقان های غلتشی به عنوان یکی از اجزاء پرمصرف در ماشین آلات صنعتی, لازم است یک فرآیند وضعیت سنجی و تشخیص عیب مناسب برای جلوگیری از کارکرد بد و خرابی این اجزا در هنگام کار ارائه شود. هدف اصلی این مقاله ارائه روش جدیدی برای شناسایی عیب در این سیستم ها با استفاده از تحلیل موجک و یک شبکه عصبی جدید به نام SVM است. سیستم مورد بررسی یک موتور الکتریکی دارای دو یاتاقان غلتشی یکی در سمت خروجی محور و دیگری در سمت فن آن است. نتایج بدست آمده از تحلیل موجک و شبکه عصبی SVM هم خوانی بسیار خوبی با مشاهدات تجربی دارد.

تبدیل موجک گسسته – دسته بندی کننده بهینه - فاصله مهالانوبیس (Mahalanobis)– شبکه عصبی SVM