بخشی از مقاله
چکیده:
امروزه نیاز به ایمنی و قابلیت اطمینان در سیستمهای هیدرولیک، رفته رفته افزایش می یابد و لازم است که خرابی سیستمهای هیدرولیکی در همان مراحل اولیه تشخیص داده شود. دلایل زیادی برای اینکار وجود دارد که مهمترین آنها مربوط به دلایل اقتصادی می باشد و دیگر دلایل نیز مربوط به ایمنی و مسائل محیطی می باشد. یکی از روشهای یافتن خرابی در سیستم، استفاده از روش تشخیص عیب وضعیت آنی می باشد. در این مقاله از روش شبکه های عصبی برای تشخیص سه عیب که در اکثر سیستمهای هیدرولیک اتفاق می افتند استفاده شده است. این سه عیب عبارتند از: فشار تغذیه، نشتی کل و مدول بالک مؤثر.سیستم شبیه سازی شده نیز شامل یک شیر سرو و یک سیلندر هیدرولیکی دو طرفه می باشد که یک فنر در مقابل حرکت سیلندر، مقاومت می کند.
وجود شیر سرو و قابلیت فشردگی سیال از جمله عواملی هستند که باعث رفتار غیر خطی سیستم مورد نظر می شوند.شبکه های عصبی کاربرد مؤثری در سیستمهای غیر خطی دارند و برای استفاده از این روش لازم است که دانش خوبی در مورد رفتار سیستم مورد نظر و عیبهایی که احتمال زیادی برای ایجاد آنها وجود دارد داشته باشیم. شبکه عصبی مورد استفاده، با الگوریتمهای آموزش مختلفی بررسی شده است و سپس بهترین الگوریتم آموزش انتخاب شده است. پس از آموزش شبکه، خروجی شبکه برای ورودیهای مختلف آزمایش شده و نتایج قابل قبولی برای تشخیص عیبهای مد نظر حاصل شده است.
لغات کلیدی: تشخیص عیب، شبکه های عصبی، سیستم های هیدرولیک
.1 مقدمه
با افزایش نیاز به سیستمهای هیدرولیکی، تشخیص عیب در این سیستمها نیز بعنوان بخشی از طراحی سیستم بدلیل کاهش هزینه های تعمیرات بعدی، افزایش می یابد. با استفاده از اطلاعات حاصل از تشخیص عیب می توانید یا عیب را بصورت دستی پیدا کنید و یا برای کنترل و مونیتورینگ سیستم استفاده کنید. در سیستم تشخیص عیب از یک یا چند سنسور برای بدست آوردن اطلاعات بمنظور تعیین وضعیت عیب سیستم استفاده می شود، معمولا" در عمل این امکان وجود ندارد که بتوان برای هرعیب ممکنه یک سنسور مجزا گذاشت.در نتیجه لزوم ایجاد روشهایی که بتوان با استفاده از اطلاعات حاصل از کمترین سنسورهای نصب شده در سیستم، عیبهای مورد نظر را - مخصوصا" عیبهایی که نمی توان برای تشخیص آنها یک سنسور مجزا گذاشت - تشخیص داد ضروری بنظر می رسد.
در سیستمهای هیدرولیکی دو مشکل وجود دارد:
1.رفتار اینگونه سیستمها خیلی غیر خطی است.
2.رفتار آنها غالبا" دینامیکی است، بدین معنا که خروجی سیستم تابعی از زمان و ورودیهای سیستم می باشد.
روش شبکه های عصبی، توانایی سازگاری با سیستمهای دینامیکی بسیار غیر خطی را داشته و سرعت عملکردی بالایی نیز دارد. برای تعیین ورودیهای لازم به شبکه عصبی، از فهم فیزیکی سیستم استفاده می شود.
.2 شبیه سازی سیستم سرو- هیدرولیک
شکل شماتیک سیستمی که بایستی مدل شود در شکل 1 آورده شده است. مدلسازی این سیستم بوسیله آقای Rui Liu در سال 1994 در دانشگاه Tsinghua انجام شده است و با نتایج عملی حاصل از تست فیزیکی سیستم نیز تایید شده است.[2] مدل سیمولینک سیستم در شکل 2 آورده شده است.
.3 عیبهای مورد نظر برای تشخیص
در این مقاله روی عیبهای زیر متمرکز شده است: .1 فشار تغذیه.2 افزایش کل نشتی سیستم - شامل نشتی داخلی و خارجی - .3 تغییرات در مدول بالک مؤثر
وقتی که بیش از یک عیب در سیستم می تواند اتفاق بیفتد، مهم است شرایطی را تعریف کرد که تحت آن شرایط، عمل تشخیص عیب را انجام داد. در این پروژه فرض شده است که عیبها بصورت منفرد ایجاد می شوند ولی در یک محیطی قرار دارند که چندین عیب می تواند درآن اتفاق بیفتد.
