عیب یابی چرخ دنده بر پایه انتخاب مناسب ترین ویژگی به کمک الگوریتم بهینه سازی ازدحام ذرات

در این مقاله، روش جدیدی برای عیب یابی در چرخ دنده ها ارایه شده است. سیگنال های ارتعاشی مجموعه جعبه دنده در سه حالت سالم، لب پریدگی دندانه و ساییدگی دندانه جمع آوری شده اند. این سیگنال ها با استفاده از روش تجزیه مود تجربی به تعدادی توابع مود ذاتی تجزیه شده اند. با توجه به این که همه توابع مود ذاتی به دست آمده از روش تجزیه مود تجربی، مناسب برای عیب یابی نیستند، از مفهوم همبستگی متقابل برای انتخاب مناسب ترین تابع مود ذاتی استفاده شده است. سپس، با به کارگیری توابع آماری مختلف، ماتریس ویژگی متناظر با هر حالت چرخ دنده، استخراج شده است. ماشین بردار پشتیبان چند کلاسه از نوع «یک در برابر یک» برای طبقه بندی عیوب به کار گرفته شده است. از آنجایی که تمامی ویژگی های استخراج شده برای عیب یابی مناسب نیستند و ماشین بردار پشتیبان دارای پارامترهایی است که باید تنظیم شوند، از این رو، از الگوریتم بهینه سازی ازدحام ذرات برای انتخاب مناسب ترین ویژگی و تعیین پارامترهای بهینه ماشین بردار پشتیبان استفاده شده است. تابع هدف در این مقاله، دقت طبقه بندی کننده ی ماشین بردار پشتبان در پیش-بینی حالت جعبه دنده می باشد. نتایج به دست آمده نشان می دهد که ویژگی های انتخاب شده در این روش و ماشین بردار پشتیبان بهینه شده دارای توانایی عالی در طبقه بندی عیوب می باشند.