تشخیص عیوب یاتاقان یکی از وظایف اساسی در پایش سلامت ماشین است، زیرا یاتاقان ها اجزای حیاتی ماشین های دوار هستند. این مقاله یک روش جدید را برای تشخیص عیوب در یاتاقان‌ها بر اساس ترکیبی از الگوریتم‌های استخراج ویژگی پیشنهاد می‌کند که در آن از سیگنال دو بعدی استفاده می‌شود. متفاوت از سایر روش‌های کلاسیک پردازش سیگنال یک بعدی، روش پیشنهادی این مقاله، سیگنال‌های ارتعاشی یک بعدی را به سیگنال دو بعدی (تصویر) تبدیل می‌کند، سپس از روش‌های پردازش تصویر برای تجزیه و تحلیل سیگنال تصویر استفاده می‌شود تا به هدف طبقه‌بندی عیوب رخ داده در یاتاقان برسد. تصاویر تبدیل شده از سیگنال های ارتعاشی اغلب ویژگی های بافت خاصی دارند و بافت هر دسته معیوب متفاوت است. علاوه بر این، هر توصیفگر ویژگی های فضایی را استخراج می کند. برخی از ویژگی ها ضعیف و برخی دیگر قوی هستند. در این مقاله روش حذف نقاط کلیدی اضافی سیفت (آرکم سیفت) استفاده شده ‌است. علاوه بر این، برای هر توصیفگر، بهترین ویژگی ها با استفاده از روش تجزیه و تحلیل مؤلفه اصلی غیر خطی انتخاب می شوند. در نهایت، ویژگی‌های انتخاب‌شده با هم ترکیب می‌شوند و برای دستیابی به بهترین عملکرد در طبقه‌بندی چهار روش طبقه‌ بندی اعمال شده و بعد از مقایسه بهترین روش طبقه بندی انتخاب می شود. عملکرد الگوریتم پیشنهادی بر روی مجموعه داده‌های بلبرینگ استاندارد دانشگاه کیس وسترن رزرو ارزیابی شده است. نتایج شبیه سازی نشان می دهد که روش پیشنهادی نسبت به روش های دیگر خطایابی یاتاقان های غلتشی عملکرد بهتری دارد. Manuscript profile