عیب یابی و پایش وضعیت بلوئر لکوموتیوهای آلستوم با استفاده از آنالیز ارتعاشات و ماشین بردار پشتیبان

آنالیز ارتعاشات از کاربردی ترین روش های پایش وضعیت و عیب یابی تجهیزات دوار است . در این تحقیق با استفاده از آنالایز ارتعاشات و شبکه ی عصبی SVM روشی جهت پایش وضعیت و عیب یابی بلویرهای لکوموتیو ارایه شده است. جهت انجام این تحقیق ابتدا از بلویرها ارتعاشی شده داده برداری و سیگنال های دریافتی در چهار گروه بلویرهای سالم و با عیوب نابالانسی، لقی پایه و تاب پره دسته بندی شدند. سپس سیگنال-های دریافتی پردازش شده و تعداد 11 ویژگی فرکانسی و 5 ویژگی زمانی از این سیگنال ها استخراج شدند. از آنجایی که در بسیاری موارد نسبت ویژگی های استخراج شده می تواند به فرایند تشخیص عیب کمک کند، نسبت تمام ویژگی ها به هم نیز محاسبه شده و به عنوان ویژگی های جدید تعریف شدند. سپس این ویژگی ها به عنوان ورودی به شبکه عصبی SVM طراحی شده، داده می شوند. تعداد زیاد ویژگی در بسیاری مواقع باعث گیج شدن شبکه عصبی می شود ، به همین دلیل داخل شبکه عصبی یک فیلتر آزمون T قرار داده شده که به انتخاب ویژگی های مناسب کمک می کند. نتایج به دست آمده نشان می دهد که این فیلتر می تواند دقت شبکه ی عصبی، جهت تشخیص نمونه های سالم از معیوب، را از 84.9 درصد به 97.9 درصد افزایش دهد. در انتها جهت تشخیص عیوب مختلف، شبکه عصبی SVM دو کلاسه، با و بدون فیلتر آزمون T اجرا شد که نتایج نشان می دهد در تمامی حالات دقت شبکه با فیلتر آزمون T افزایش می یابد.