فهرس المقالات Condition Monitoring

• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  1 - Simultaneous use of Acoustic Emission Signals and Statistical Analysis to Distinguish between Lubrication Modes in Rolling Element Bearings
  Seyed Ali Niknam
  The lack of lubricant in bearing surfaces could be considered as the main cause of wear and faults in bearing surfaces. To avoid unexpected failures, special emphasis on adequate evaluation of lubrication mode (lubricated/dry) on the bearing surfaces is demanded. To tha أکثر

  The lack of lubricant in bearing surfaces could be considered as the main cause of wear and faults in bearing surfaces. To avoid unexpected failures, special emphasis on adequate evaluation of lubrication mode (lubricated/dry) on the bearing surfaces is demanded. To that end, the proper use of reliable techniques and tools, including sensory information from acoustic emission (AE) signals is among popular methods when real-time condition monitoring evolves. The current work intends to evaluate the sensitivity of AE parameters to different levels of process parameters on the basis of statistical analysis. In this context, rotational speed and radial load were used as the main experimental parameters. Following that, adequacy of a new AE signal parameter for real-time condition monitoring of rolling element bearing is presented. Experimental and statistical results confirmed the great capability of AE signals to differentiate between two types of bearing modes, in particular, dry and lubricated. Signal processing and statistical analysis conducted in this study exhibited that several time series AE parameters, in particular, Std, Max, Mean, and Variance are sensitive to the variation radial load and rotational speed. It was observed that radial load has insignificant effects on computed values of AE parameters from both bearing modes. The statistical analysis revealed that rotational speed (A) has a significant effect on all computed AE parameters from the dry bearing. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  2 - اولویت بندی استراتژی های پایش وضعیت برای افزایش قابلیت دسترسی تجهیزات با استفاده از رویکرد ترکیبی AHP-QFD با مطالعه موردی در شرکت سهامی ذوب آهن اصفهان
  Arash Shahin Hadi Balouei Jamkhaneh Pezhman Soleymanpoor
  امروزه مدیریت دارایی های فیزیکی یکی از شاخه های مهم دانش و فناوری به شمار می رود. کاهش خرابی های اتفاقی و تعمیرات ناخواسته یکی از مهم ترین اهداف استفاده کنندگان از تجهیزات و ماشین آلات پیشرفته می باشد. در این میان تعمیرات مبتنی بر پایش وضعیت به عنوان راهکاری چاره ساز در أکثر

  امروزه مدیریت دارایی های فیزیکی یکی از شاخه های مهم دانش و فناوری به شمار می رود. کاهش خرابی های اتفاقی و تعمیرات ناخواسته یکی از مهم ترین اهداف استفاده کنندگان از تجهیزات و ماشین آلات پیشرفته می باشد. در این میان تعمیرات مبتنی بر پایش وضعیت به عنوان راهکاری چاره ساز در مهار مشکلات فنی، اقتصادی و مدیریت راهبردی ماشین آلات و تجهیزات به کار برده می شود.در این تحقیق ضمن تشریح مبانی پایش وضعیت (CM) و استانداردهای موجود در این زمینه، روند تأثیرگذاری شاخص های موثر پایش وضعیت بر افزایش "قابلیت دسترسی تجهیزات" در سطح شرکت سهامی ذوب آهن اصفهان مورد بررسی قرارگرفته است و با استفاده از روش ترکیبی AHP - QFD، استراتژی های پایش وضعیت به منظور افزایش قابلیت دسترسی تجهیزات اولویت بندی شود. بدین صورت که اطلاعات مربوط به ماتریس خانه کیفیت را از طریق توزیع پرسشنامه طیف لیکرت بین مدیران و متخصصان بخش نگهداری و تعمیرات شرکت سهامی ذوب آهن اصفهان جمع آوری شد. یافته ها نشان دهنده آن است که استراتژی های تحلیل فرکانس و کل سطح ارتعاش با وزن2810/0 و استراتژی کلیدهای مغناطیسی و فیلترها با وزن 1026/0 به ترتیب بیشترین تاثیر را در افزایش قابلیت دسترسی تجهیزات دارند. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  3 - ارائه مدل فازی- عصبی- تطبیقی جهت عیب یابی نابالانسی یک سیستم دوار با استفاده از سنسور پیزوالکتریک
  مجتبی حسنلو
  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 مس أکثر

  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. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  4 - به کارگیری تکنیک پایش وضعیت برای دست یابی به بهبود کارایی در صنعت (مطالعه موردی: صنایع چوب و کاغذ مازندران)
  محمد مهدی موحدی ولی الله رضایی نصرتی
  مدیران امروز سعی می کنند تا با استفاده از روش‌های علمی علاوه بر افزایش کیفیت محصولات، قیمت تمام شده آن را هم کاهش دهند. پایش وضعیت[1] یکی از فنونی است که در سال‌های اخیر مورد استقبال بیشتر مدیران صنعت قرار گرفته و البته منافع زیادی را هم عاید سازمان‌ها نموده است. تحلیل أکثر

  مدیران امروز سعی می کنند تا با استفاده از روش‌های علمی علاوه بر افزایش کیفیت محصولات، قیمت تمام شده آن را هم کاهش دهند. پایش وضعیت[1] یکی از فنونی است که در سال‌های اخیر مورد استقبال بیشتر مدیران صنعت قرار گرفته و البته منافع زیادی را هم عاید سازمان‌ها نموده است. تحلیل ارتعاشات[2] یکی از روش‌های پایش وضعیت است که با به کارگیری آن در صنعت به طور چشمگیری می‌توان از دوباره کاری ها جلوگیری نمود و هزینه‌های یک شرکت تولیدی را کاهش داد. برای نشان دادن تأثیر این فن در بهبود کارایی فرآیند تولید، شرکت صنایع چوب و کاغذ مازندران به عنوان مطالعه موردی انتخاب شده و نحوه‌ی استفاده صحیح از سیستم پایش وضعیت از طریق تحلیل ارتعاشات مورد بررسی قرار گرفته است. در این تحقیق مشخص شده است که چگونه می‌توان با آگاهی به موقع از خرابی‌های دستگاه‌ها و اعمال تعمیرات پیشگیرانه جلوی زیان قبل از وقوع گرفته شود و ثانیاً در مصرف قطعات و وقت نیروی انسانی در نگهداری و تعمیر ماشین‌آلات صرفه جویی شده و در نهایت سازمان به سمت بهبود کارایی هدایت شود. [1] . Condition Monitoring [2] . Vibration Analysis تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  5 - توسعه و پیاده‌سازی روش تحلیل مؤلفه‌های اصلی جهت پایش وضعیت توربین گازی
  سمیرا پیری الهام قنبری
  10.30495/jmemiau.2023.707350
  توربین های گازی ماشین های پیچیده و گران قیمتی هستند که هزینه های تعمیر خرابی های پیش‌بینی‌نشده‌ی آن‌ها بالاست. حس‌گرهای سامانه ی کنترلی توربین های گازی به‌طور پیوسته داده های زیادی را گزارش می کنند که ثبت و جمع آوری مقادیر آن‌ها، تشکیل داده های حجیم را می دهند. با داده أکثر

  توربین های گازی ماشین های پیچیده و گران قیمتی هستند که هزینه های تعمیر خرابی های پیش‌بینی‌نشده‌ی آن‌ها بالاست. حس‌گرهای سامانه ی کنترلی توربین های گازی به‌طور پیوسته داده های زیادی را گزارش می کنند که ثبت و جمع آوری مقادیر آن‌ها، تشکیل داده های حجیم را می دهند. با داده کاویِ داده هایِ حجیمِ توربین گازی، می توان عیب و خرابی توربین را قبل از رخداد پیش بینی نمود. مجموعه ی ماتریسِ داده های تحقیق حاضر، حاصل ثبت و تجمیع مقادیر برخی از حس‌گرهای نصب‌شده بر روی توربین گاز فریم 9 یکی از نیروگاه های کشور هست. در این پژوهش پس از نرمالیزه کردن داده های ماتریس، سطرهای ماتریس بر حسب سالم یا معیوب بودن برچسب گذاری شدند. سپس با بهره گیری از تکنیک مؤلفه‌های اصلی، ابعاد ماتریسِ داده، از هفت بُعد به چهار بُعد کاهش داده شد و ویژگی های اصلی آن استخراج گردید. پس از یادگیریِ ماشین که بر روی 80% داده ها انجام گرفت معیار دقت، میزان خطا و همگرایی مدل برای کاهش های ابعادی مدل از دو تا شش بُعد بر روی 20% داده ها مورد مطالعه قرار گرفت که در نهایت مشخص گردید علاوه بر اینکه مدل ساخته شده به‌خوبی از پس کاهش ابعاد ماتریس، استخراج ویژگی ها با کمک تکنیک تحلیل مؤلفه‌های اصلی برآمده همچنین توانسته با تکنیک شبکه عصبی مصنوعی وقوع عیب را شناسایی و همچنین کلاس عیب را تشخیص دهد. مدل ساخته شده با تلفیق تکنیک تحلیل مؤلفه‌های اصلی با تکنیک شبکه مصنوعی عصبی توانسته دقتی بیش از 90% و با دقت خوب و بیشترین میزان همگرایی ماتریس داده ها را نمایش دهد و کلاس عیب توربین را مشخص نماید. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  6 - Study of the Frictional Surface Damage Using Acoustic Emission Method
  مهدی احمدی
  In this study, the change at rubbing surfaces has been investigated experimentally using an acoustic emission signal monitoring system. A steel ring is slipped on the surface of a metallic sheet to simulate frictional conditions. The mechanical disturbances caused by th أکثر

  In this study, the change at rubbing surfaces has been investigated experimentally using an acoustic emission signal monitoring system. A steel ring is slipped on the surface of a metallic sheet to simulate frictional conditions. The mechanical disturbances caused by the movement of the ring produce stress waves propagating along the sheet surface. The out of plane displacement of the sheet surface is sensed by a piezoelectric sensor. The electrical signal of the sensor output is received and used to analyze the frictional conditions between rubbing surfaces. The experimental results show that the effect of different frictional parameters such as normal load, surface material and lubrication on the surface damages can be recognized by analyzing the acoustic emission signals. For example, vanishing of the thin lubricant film between the two rubbing surfaces can be distinguished from the damage signals which are appeared with specific range of frequencies and amplitudes. The sensitivity of acoustic emission to detect frictional damages is considerably higher than that of monitoring of the friction coefficient. تفاصيل المقالة