انتخاب شبکه عصبی مطلوب بر پایه الگوریتم ژنتیک جهت تشخیص خرابی مکانیزم نگهدارنده کلاچ تراکتور مسی فرگوسن 285

تشخیص به موقع عیوب ماشین های کشاورزی برای انجام کارهای کشاورزی در زمان مناسب بسیار مهم است. تاکنون روش های تجربی و تئوری متعددی برای تشخیص خرابی قسمت های متحرک ماشین آلات ارائه شده است. در این مقاله، ساختار مطلوب شبکه های عصبی بر پایه الگوریتم ژنتیک با استفاده از نرم افزار متلب برای تشخیص عیب مکانیزم کلاچ تراکتور مسی فرگوسن 285 ارائه شده است. یک تابع ارزیاب با هدف دستیابی به ساختار مطلوب شبکه های عصبی با انتخاب مناسب تعداد لایه های پنهان، تعداد نرون ها در لایه های پنهان، تابع انتقال، توابع یادگیری، تابع کارایی و تعداد دوره ها مورد استفاده قرار گرفته است، به گونه ای که مقدار پارامتر خطای خروجی (MSE) محاسبه شده نیز به حداقل رسیده باشد. داده ها از سنسور شتاب سنج نصب شده بر روی مکانیزم کلاچ در سه حالت سالم، خرابی بلبرینگ و ساییدگی محور و سه سرعت 1000، 1500 و 2000 دور بر دقیقه جمع آوری شدند. تبدیل موجک بسته برای استخراج بردار خصوصیات و آنالیز مولفه های اصلی جهت کاهش ابعاد بردار خصوصیات اعمال شد. مناسب ترین پیکربندی شبکه عصبی وقتی به دست آمد که شبکه با توجه به داده های آموزش و آزمایش دارای حداقل خطا بود. بیشترین خطا مربوط به خصوصیات پایگاه اطلاعاتی Db20 بود که MSE آن برابر 0/011 به دست آمد. بهترین پایگاه داده به دست آمده از آزمایش ها و محاسبات مربوط به خانواده Db4 است که کمترین خطا را داشته و دارای یک لایه پنهان و 14 سلول عصبی می باشد، که MSE آن برابر با 7-10 × 4/09 و r آن برابر با 0/9 است که نشان می دهد، می تواند سالم بودن یا خرابی بلبرینگ و شفت کلاچ را با دقت بالا تشخیص دهد.