تشخیص انواع عیوب چرخ دنده با استفاده از سیگنالهای آکوستیک امیشن توسط درخت مدلی لجستیک

محورهای موضوعی : Manufacturing process monitoring and control

کاترین خلیفه زاده ¹ , محسن سریانی ²

1 - کارشناسی ارشد مهندسی کامپیوتر دانشگاه علم و صنعت ایران
2 - استادیار دانشکده مهندسی کامپیوتر دانشگاه علم و صنعت ایران

تاریخ دریافت : 1392/10/19 تاریخ پذیرش : 1392/10/19 تاریخ انتشار : 768/02/12

کلید واژه: آزمون غیرمخرب, آکوستیک امیشن, تبدیل ویولت, عیب یابی چرخ دنده, درخت مدلی لجستیک,

چکیده مقاله :

در این مقاله از روش کلاس‌بندی درخت مدلی لجستیک برای تشخیص هوشمند عیوب چرخ دنده‌‌های مارپیچی توسط سیگنالهای آکوستیک امیشن استفاده شده است. به این منظور تحلیل سیگنالهای آکوستیک امیشن ناشی از عیوب چرخ دنده با استفاده از تبدیل بسته ویولت انجام شده است تا بدین طریق ویژگیهای متمایز کننده‌ای در محدوده‌های فرکانسی مختلف سیگنال به منظور شناسایی آسیب‌های وارده یافته شود. ویژگیهای بسیاری در هر یک از زیرباندهای سیگنالِ تجزیه شده محاسبه و به کمک الگوریتم‌های ارزیابی ویژگی، از میان انبوهی از ویژگیها، مناسبترین‌شان که دقت تشخیص بالاتر را فراهم آورده‌اند، تعیین شده‌اند. در طبقه‌بندی این سیگنالها از درخت مدلی لجستیک استفاده شده است. دقت تشخیص در شناسایی چرخ دنده‌های سالم و معیوب 99% و برای انواع کلاسهای معیوب بیش از 80% است.

منابع و مأخذ:

1- Siores, E. and Negro, A.A. “Condition monitoring of a gear box using acoustic emission testing,” Mater Eval, Vol.55(2), pp.183–187, 1999.

2- A. Singh, D.R. Houser and S. Vijayakar, “Detecting gear tooth breakage using acoustic emission: a feasibility and sensor placement study”, J Mech Des 121, pp. 587–593, 1999.

3- N. Tandon and S. Mata, "Detection of Defects in Gears by Acoustic Emission Measurements", Journal of Acoustic Emission, Vol.17, Issue 1-2, pp 23-27, 1999.

4- H. Sentoku, "AE in Tooth Surface Failure Process of Spur Gears", Journal of Acoustic Emission, Vol. 16, Issue 1-4, PP. 19-24, 1998.

5- T. Toutountzakis, C.K. Tan and D. Mba, "Application of acoustic emission to seeded gear fault detection", NDT & E Int, 38 (1), pp. 27–36, 2005

6- C.K. Tan, P. Irving and D. Mba, "A Comparative experimental study on the diagnostic and prognostic capabilities of acoustics emission, vibration and spectrometric oil analysis for spur gears", Mech Syst Signal Process, 21 (1), pp.208–233, 2007.

7- R. I. Hamzeh, K. R. Al-Balushi, and D.Mba, "observations of acoustic emission under conditions of varying specific film thickness for meshing spur and helical gears", Journal of Tribology, Vol.130, Issue 2, Ap. 2008

8- S. A. Mirhadizadeh and D. Mba, "Observations of acoustic emission in a hydrodynamic bearing", 14th International congress on Condition monitoring and diagnostic engineering management (COMADEM'2008)

9- B. Eftekharnejad and D. Mba, "Seeded fault detection on helical gears with acoustic emission", Applied Acoustics, In Press.

10- S. Qian, D. Chen, Joint-Time Frequency Analysis: Methods and Applications, Publisher: Prentice Hall, 1996.

11- L. D. Hall and D. Mba, "Acoustic Emissions diagnosis of rotor-stator rubs using the KS statistic," Mechanical Systems and Signal Processing, Vol. 18 (4), pp. 849-868, 2004.

12- N. Landwehr, M. Hall and E. Frank, "Logistic model trees", In Proc. 14th European Conference on Machine Learning, pp. 241-252. Springer-Verlag, 2005.

13- S. Rasoul Safavian, D. Landgrebe, "A Survey of Decision Tree Classifier Methodology", IEEE T-SMC, Vol. 21, N. 3, pp. 660-674, 1991.

14- T. M. Mitchel, Machine Learning, McGrow-Hill, 1997.