ارائه مدل فازی- عصبی- تطبیقی جهت عیب یابی نابالانسی یک سیستم دوار با استفاده از سنسور پیزوالکتریک
محورهای موضوعی : آنالیز مودال
مجتبی حسنلو
1
(دانشگاه گیلان)
کلید واژه: فازی, تطبیقی, عصبی, عیب یابی و پایش وضعیت, سیستم دوار, نابالانسی,
چکیده مقاله :
امروزه برای مدلسازی بهتر سیستم های مهندسی از روش های ترکیب شده به منظور دست یابی به دقت بیشتر استفاده های فراوانی می شود. به همین منظور ترکیب سه رویکرد فازی، شبکه عصبی مصنوعی و علم تطبیقی می تواند مدلسازی واقعی تری از سیستم را ارائه نماید.این سه روش هر یک بخشی از مدل مساله را طراحی و تحلیل می نمایند بطوریکه که مدل ارائه شده از ترکیب فازی- عصبی- تطبیقی می تواند یک مدل مقاوم و اطمینان بخشی را جهت تصمیم گیری توسط طراح را تحلیل نماید. در این مقاله هدف اصلی عیب یابی و پایش تجربی یک سیستم موتور هواپیما در حضور و غیاب نابالانسی را با استفاده از مدل ریاضی فازی- عصبی- تطبیقی تحلیل و تفسیر نماید. ابتدا با استفاده از نرم افزار LabVIEW و سنسورهای پیزوالکتریک داده های ارتعاش عرضی در محل قرارگیری سنسورهای پیزوالکتریک (نصب شده بر روی یاتاقان ها) ذخیره شده و سپس با استفاده از نرم افزار MATLAB به مدل سازی داده های تجربی با استفاده از رویکرد ترکیبی فازی- عصبی – تطبیقی به منظور برازش منحنی پرداخته شده است.
Todays, there are using hybrid methods in order to reach high level degree of accuracy and reliability for engineering systems. According to more reality modelling of system, it was mixed three strategies such as fuzzy, artificial neural networks and adaptive method. This mixed methods is presenting and analyzing each of engineering problem. Adaptive-Neural-Fuzzy (ANF) can be showed in which a robustness and reliable model by designer who assess that in order to make decision as well. In this paper, main aim is experimental condition and health monitoring of rotary system is including shaft, bearings, electromotor which are main components of system and using piezoelectric as sensor by ANF method. Firstly, by using LabVIEW software, experimental data of flexural vibration was recorded with piezoelectric sensor where were fixed on top of bearings, and secondly we used MATLAB software for analyzing experimentation for presentation of ANF model in order to curve fitting of data.
_||_
