سعید رضا همافر - دانشجوی کارشناسی ارشد مهندسی مکانیک دانشگاه آزاد اهواز
عباس رهی - استادیار دانشکده مهندسی مکانیک و انرژی دانشگاه شهید بهشتی

هر صنعتی نیازمندبرنامه های پیشگرانه موثر در راستای بهینه نمودن مدیریت منابع و اصالح اقتصاد واحد تولیدی با کاهش هزینه های غیرضروری و افزایش سطحط ایمنی است درصد بسیاری از خرابی هایی که منجر به توقف تولید می شوند بدلیل خرابی یاتاقان های ماشین های دوار است. این مقاله به تشخیص عیوب یاتاقان های غلتشی بر اساس پردازش سیگنال موجک گسسته و شبکه های عصبی می پردازد روش دارای سه مرحله اصلی است در ابتدا سیگنال های خام ارتعاشاتی چهار حالت یاتاقان توسط تبدیلم وجک گسسته پردازش می شوند در مرحله دوم ویژگی های آمای هر عیب استخراج می گردد در نهایت مجموعه ویژگی های استخراج شده به شبکه های عصبی جهت تشخیص نوع عیب یاتاقان تغذیه می گردند نتایج نشان مید هد که شبکه عصبیا حتمالتی دسته بندی بهتری را نسبت به سایری شبکه های عصبی ارائه می نماید و همچنین ویژگی هایی که از پردازش سیگهنال ها توسط موجب بایر 3.3 استخراج شده اند بیشترین کارایی دسته بندی عیوب را توسط شبکه های عصبی دارند.

یاتاقان غلتشی، عیب یابی تبدیل موجک گسسته شبکه عصبی مصنوعی، موجک بایر