بخشی از مقاله
چکیده
در این مقاله از روش کلاسبندي درخت مدلی لجستیک براي تشخیص هوشمند عیوب چرخ دنده هاي مارپیچی توسط سیگنالهاي آکوستیک امیشن استفاده شده است. به این منظور تحلیل سیگنالهاي آکوستیک امیشن ناشی از عیوب چرخ دنده با استفاده از تبدیل بسته ویولت انجام شده است تا بدین طریق ویژگیهاي متمایز کننده اي در محدوده هاي فرکانسی مختلف سیگنال به منظور شناسایی آسیب هاي وارده بیابیم. ویژگیهاي بسیاري در هر یک از زیرباندهاي سیگنالِ تجزیه شده محاسبه و به کمک الگوریتم هاي ارزیابی ویژگی، از میان انبوهی از ویژگیها، مناسبترین شان که دقت تشخیص بالاتر را فراهم آورده اند، تعیین شدند. در طبقه بندي این سیگنالها از درخت مدلی لجستیک استفاده شده است. دقت تشخیص در شناسایی چرخ دنده هاي سالم و معیوب %99 و براي انواع کلاسهاي معیوب بیش از %80 است.
-1 مقدمه
جعبه دنده از اجزا پرکاربرد و اصلی در انواع ماشین هاي دوار است که بروز هر گونه عیب در آنها، در صورت عدم شناسایی و رفع به موقع آن ممکن است منجر به از کارافتادن سیستم شود. بنابراین تشخیص زود هنگام عیب قبل از رسیدن آن به مرحله بحرانی از اهمیت ویژه اي برخوردار است. آکوستیک امیشن - - Acoustic Emission یکی از روشهاي نوینِ تستهاي غیر مخرب است که بررسی امکان بکارگیري آن در عیبیابی ماشینهاي دوار به دلیل قدرت تشخیص زود هنگام و در حین سرویس، مورد توجه محققان قرار گرفته و مطالعات اخیر را به خود معطوف داشته است.
اساس این روش برپایه نشر امواج فراصوتی از عیوب تحت تنش میباشد. با جمع آوري این امواج و بررسی آنها نتایجی که بیانگر وضعیت موضوع مورد آزمون است بدست می آید. بنابراین شناسایی دقیق و صحیح سیگنالهاي جمعآوري شده و تحلیل درست آنها، در گرفتن تصمیمهاي مهمی در زمینه ادامه روند یک فرآیند یا متوقف کردن آن و انجام تمهیدات لازم، بسیار سودمند است. تحقیق در مورد بکارگیري آکوستیک امیشن در عیب یابی ماشینهاي دوار مراحل ابتدایی خود را میگذراند.
بالاخص در مورد کاربرد AE در عیبیابی چرخ دنده کارهاي کمی انجام شده است. سایورس و نگرو [1] چندین تحلیل AE را به منظور ارتباط برقرار کردن بین انواع عیوب جعبه دنده انجام دادهاند. آنها ارتباط مدهاي مختلف شکست را با دامنه AE، RMS، انحراف معیار و مدت AE بررسی کردند.
سینگ [2] آزمایشاتی انجام داد تا مطمئن شود که AE در تشخیص عیب دندهها موثر است. او مشاهده کرد که دامنه AE با افزایش سرعت گردش زیاد شده و با افزایش اندازه حفره روي دنده، تعداد رخدادهاي AE افزایش می یابد. تاندون [3] پارامترهاي AE ناشی از عیب دنده، مانند پیک دامنه، تعداد نوسانها و انرژي را مورد آزمایش قرار داد. او نتیجه گیري کرد که این پارامترها با افزایش اندازه حفره و بار اعمال شده، افزایش می یابند.
سنتوکو [4] ارتباط آسیب سطح دندانه با فعالیت AE را بررسی کرد. او نتیجه گرفت که دامنه و انرژي سیگنال AE با افزایش اندازه آسیب، افزایش مییابد. امبا و توتونزاکیس [5] تاثیر ناترازي و حفرههاي طبیعی سطح چرخ دنده را روي AE بررسی کردند. آنها نتیجه گرفتند که روش استفاده از AE توانایی تشخیص عیوب دنده را دارد. تان و امبا[6] سه تکنیک AE، ارتعاش و تحلیل اسپکترومتري روغن را در تشخیص حفره هاي دنده در بارهاي مختلف مقایسه نموده و سطح r.m.s را مورد بررسی قرار دادند.
دیده شد که در حالت هم دما تغییر بار AE را چندان تغییر نمیدهداما تغییر سرعت آن را زیاد میکند و البته افزایش دما در اثر افزایش بار و سرعت، AE را افزایش میدهد، همچنین AE نسبت به تغییر اندازه حفره تغییرات خطی دارد. حمزه[7] نشان داد که سیگنال AE نشانگر تغییرات ضخامت روغن در شرایط مختلف کاري دندههاي مارپیچی و محرك است.
میرهاديزاده[8]تاثیر سرعت و بار را در یاتاقان هیدرودینامیک روي AE را بررسی کرد. او به این نتیجه رسید که افزایش سرعت موجب افزایش r.m.s شده، اما تغییرات بار نقشی در تغییر r.m.s نداشته است. افتخار نژاد[9] اولین بررسی در زمینه عیوب جعبه دنده داراي دندانه مارپیچی از طریق AE را انجام و گزارش کرده است که عیوب در دندههاي مارپیچی در شکل موج AE آشکار میشوند.
مطالعات این مقاله بر روي دادههاي تحقیقات ایشان انجام گرفته است.
-2 آکوستیک امیشن
پدیدهاي است که در آن یک موج الاستیک در محدوده فراصوتی 20KHz – 1MHz با آزاد شدن سریع انرژي از یک منطقه موضعی در داخل ماده بوجود میآید.
-3 دادگان مورد استفاده
مطالعات این مقاله بر روي دادههاي تحقیق آقاي افتخارنژاد[9] انجام گرفته است. سیستم تحت آزمایش و نحوه اخذ داده ها به این شرح است: دادهها از یک جفت چرخدنده مارپیچی استیل داراي51 دندانه که از موتور 1.1 kw نیرو میگیرد، با سرعت دور موتور 690 rpm و در بار250Nm اخذ شده است. از یک سنسور با پهناي باند وسیع براي اندازه گیري AE استفاده شده و فرکانس نمونه برداري 10MHz است مدت زمان هر نمونه برداري 0. 0256 S در نظر گرفته شده است که در این مدت با توجه به دور موتور، 16 دندانه از دندانههاي چرخ دنده از مقابل سنسور عبور میکنند
شکل :1 نحوه قرارگیري سنسورAE روي چرخ دنده
کلاسهاي مختلف دادهها شامل چرخ دنده بدون عیب - کلاس سالم - و چرخ دندههاي داراي دندانه معیوب است که تفاوت در اندازه عیب، کلاسهاي معیوب متفاوتی را تشکیل میدهد - جدول . - 1 با هر بار تغییر اندازه عیب، براي هر یک از عیوب 21 نمونه داده ثبت شد. علاوه بر کلاس سالم از چرخدنده حاوي آسیب سطحی در7 اندازه مختلف داده برداري شد. بنابراین داده-ها شامل 21 نمونه از کلاس سالم و 147 نمونه معیوب از عیوب در اندازه هاي متفاوت است.
جدول : 1 جزئیات عیوب دنده
-4 روش تحقیق
هر یک از 21 نمونه سیگنالهاي AE متعلق به هر نوع از عیوب با استفاده از تبدیل بسته ویولت تجزیه شدند و از هر یک از زیر باندهاي سیگنال تجزیه شده 8 ویژگی استخراج شد که در ادامه آورده شده اند.
-1-4 پردازش سیگنالهاي ثبت شده
در این مقاله با توجه به غیر ایستا بودن سیگنالهاي آکوستیک امیشن و داشتن محتویات فرکانسی متفاوت در زمانهاي مختلف و از طرفی به منظور جستجوي دقیق در تمام محدودهاي فرکانسی سیگنال و یافتن ویژگی، از میان انواع روش هاي پردازش سیگنال، روش تحلیل زمان- فرکانس بسته ویولت مورد استفاده قرار گرفت. با توجه به انواع مختلف توابع پایه ویولت، انتخاب نوع تابع به منظور افزایش دقت تحلیل بسیار مهم است. در انتخاب تابع پایه مناسب، خانواده سیملت و دابوچی که از لحاظ شکل ظاهري به سیگنال آکوستیک امیشن شبیهتر بودند انتخاب و با مرتبه هاي مختلف بر روي سیگنالها اعمال شدند. به منظور یافتن تعداد سطوح مناسب براي اعمال تبدیل بسته ویولت، سطوح از 1 تا 5 اعمال شدند.
-1-1-4 تبدیل ویولت
این تبدیل یک تبدیل خطی است که سیگنال را به یک مجموعه از توابع پایه به نام توابع ویولت افراز میکند. توابع ویولت با شیفت دادن و تغییر مقیاس تابع ویولت مادر حاصل میشوند. در حقیقت تبدیل ویولت نمونه تعمیم یافته تبدیل فوریه است که میزان حضور توابع ویولت با فرکانسهاي مختلف را در زمانهاي مختلف سیگنال اصلی نشان میدهد.
در آنالیز ویولت یک سیگنال به دو قسمت بنامهاي کلیات و جزئیات تفکیک می شود. قسمت کلیات شامل فرکانس هاي پایین از سیگنال اصلی و جزئیات شامل فرکانسهاي بالا از سیگنال اصلی می باشد. این قسمت خود می تواند به دوبخش جزئیات و کلیات در سطح دوم تقسیم شود. این فرآیند تا زمان رسیدن به حداقل سطح مورد نظر دامه مییابد. این روش بصورت عبارت ریاضی زیر است.[10] DW - j, k - 2 j ∫−∝∝ f - t - ϕ ∗ - 2 j t − k - dt - 1 - که در این رابطه DW - j,k - ضرایب تبدیل ویولت می باشد که j بیانگر سطح مربوط به حوزه فرکانس و K بیانگر حوزه زمان و f - t - سیگنال آکوستیکی و ϕ خانواده ویولت را نشان می دهد.
-2-1-4 تبدیل بسته ویولت
برخی موارد بهتر خواهد بود که بر اجزاء سیگنال که محتوي فرکانس آن در یک باند باریک و در محدوده بالا واقع شدهاند تمرکز شود. در تقسیم بندي فرکانسی DWT، در باندهاي فرکانسی بالا، اطلاعات در طول بازه فرکانسی وسیعی گسترده شده است که از مطالعه متمرکزتر سیگنال جلوگیري میکند در واقع در این نوع تجزیه دیادیک با رزولوشن فرکانسی لگاریتمی، پهناي باندهاي فرکانسی در رفتن به محدوده هاي بالاتر فرکانسی دو برابر می شود. براي تولید یک ساختار که تجزیه با دقت بالاتر را در فرکانسهاي بالا ممکن بسازد از تبدیل بسته ویولت استفاده میشود که در آن عمل انشعاب و کاهش نرخ نمونه برداري در شاخه بالا گذر همانند شاخه پایین گذر تکرار می شود و در نهایت سیگنال به باندهاي فرکانسی مساوي تجزیه می شود. ساختار فیلتر بانک به دست آمده شبیه نمودار درختی باینري کامل می باشد.
