بخشی از مقاله
چکیده
امروزه پمپ هاي هیدرولیک دندانه خارجی به طور گسترده اي در صنعت و در سیستم هاي هیدرولیک مرکز باز استفاده می شودچففهمچنین پایش وضعیت نیز یکی از فنونی است که در سالهاي اخیر بدلیل تاثیر بسزاي آن در بازدهی و ایمنی تجهیزات و ماشین آلات، مورد استقبال فراوان مدیران صنعت قرار گرفته استچفبر این اساس در اینف پژوهش پایش وضعیت این نوع پمپ در دو حالت سلامت پمپ و ساییدگی یاتاقان ژورنال بررسی شده استچفسپس با استفاده از الگوریتم هتJففمدل هاي مناسبی براي طبقه بندي عیوب در حالات مختلف با تکیه بر مشخصه هاي آماري مستخرج از دامنه ي ارتعاشات کل طیف ارائه شده استچفنتایج حاصل از ماتریس هاي اغتشاش دقت زهفدرصدي را براي این روش نشان می دهد.
واژهرهاي کلیديلفدرخت تصمیم، WEKA، شاخص هاي آماري، طبقه بندي
مقدمه
یکی از روش هاي بسیار رایج در تشخیص عیب ماشین هاي دوار، استفاده از سیگنال هاي ارتعاش استچفروش هاي بسیار رایج در پردازش داده هاي اندازه گیري شدهفي ارتعاشیفعبارتند ازفتکنیک حوزه ي فرکانس، تکنیک حوزه ي زمان و تکنیک حوزه ي زماننفرکانسچفاین روش ها به صورت گسترده درصنایع هوانوردي نمود یافتهفاندفبه گونه اي که در موتور هلی کوپترها وهواپیماها از حسگر هاي ارتعاش به منظور پایش وضعیت سلامتی اجزاي داخلی موتور استفاده می شودف]ل، ه,فم[چفتحلیل ارتعاش می تواند با استفاده از روش هاي تبدیل فوریه همچون گسترش سریهاي فوریهفپ-Fourier Series ExpansionFSEژ، تبدیل کامل فوریهففپFourier Integral Transform-FITژففو تبدیل گسسته ي فوریهDiscrete Fourier Transform-DFT - ژفانجام گیردچفپس ازفپیشرفت در مجتمعففسازيففدر مقیاسففبزرگففپ Large Scale Integration-LSIژفو به کار بردن تکنولوژي ریز پردازنده در صنایع الکترونیک، تحلیل کننده هاي تبدیل فوریه ي سریع پFast Fourier Transform-FFTژفبه ابزارهاي رایج و اقتصاديفدر پایش وضعیت فتبدیل شدند.
تکنولوژيفپایش وضعیت پCondition Monitoring-CMژفدر بازده و ایمنی ماشین آلاتفنقش مهمی را ایفا می کند ]ز,ذ[چف پایش وضعیت به تحلیل سیگنال هاي ارتعاشی اندازه گیري شده بستگیفزیاديفداردچفبناب راین بسیار مهم است که طیف ارتعاشی در مرحله اي که عیب در ماشین بوجود می آید، با دقت بالا تحصیل گرددچفبا این وجودفاگرفدر نقطه اي که سیگنال هاي ارتعاشی تحصیل می شوند نویزهايپNoiseژفقوي وجود داشته باشد، تشخیص عیبفرافبافمشکل مواجه می سازدچفنویز هاي قوي تر از سیگنال هاي واقعی عیب ممکن است که بهفتشخیص نادرست اطلاعات واقعی بیانجامدچفبنا براین مهم است که نویز ها تا حد امکان از سیگنال هاي اندازه گیري دور شوند.
علاوه بر این در پایش وضعیت پمپ ها،فشناسایی عیوب به دلیلفعدم وجود روابط مشخص و واضح بین نوع عیب و نشانه هاي آن بسیار مبهم استچفدلایل عمده ي این امر را می توان درفمشکل بودنفتعیین پارامتر هایی به عنوان نشانه ي تشخیصی براي تشخیص کاملفتمامی عیوب و مشهود نبودنفنشانه هاي عیب در مراحل آغازین ایجاد عیبفبه دلیلفتاثیرفزیادف نویزها دانستف]حل[چفبه علت وجود این محدودیت ها داده هاي خامی که به وسیله ي حسگر هاي ارتعاش تحصیل می شوند به پردازش و طبقه بندي بیشترفداده ها به منظور دستیابی به اطلاعات معنی دار که وضعیت سیستم را نشان میفدهد، نیاز داردچفشبکه هاي عصبی مصنوعی پ-Artificial Neural Network ANNژ، ماشین هاي بردار حمایتیفپSupport Vector Machine-SVMژفو طبقه بند هاي فازي پ - Fuzzy Classifier-FCف به طور گسترده به عنوان یک ابزار طبقه بند در مقالات گزارش شده اند.
مواد و روش ها
پمپ هاي هیدرولیکفدندانه خارجی به طور گسترده در سیستم هاي هیدرولیک مرکز بازفپ Open Center Hydraulic System-OCHSژفاستفاده می شوندچفشکل لفتصویر شماتیک یک نوع پمپ هیدرولیک دندانه خارجی و موقعیت اجزاي داخلی آن را نشان می دهدچفیکی از عیوب متداول در این پمپ ها ساییدگی یاتاقان هايفژورنالفاست که به دلیل چرخش محور دندانه ها روي آن ها به وجود می آیدچفشکل هفیاتاقان هاي استفاده شده در این پژوهش را در دو حالت سلامتپGOODژفو ساییدگی سطح داخلی پفBearing with Inner Face Wear-BIFWژفنشان می دهد.
از دستگاه ثبت ارتعاش X-Viberف به منظور تحصیل اطلاعات ارتعاشی استفاده گردیدچفاندازه گیريفها در دو نقطه روي بدنه ي پمپفوفدر نزدیکی محل استقرار یاتاقان ها، در سه سرعت کاري دورانی پمپفپحححل، ححزلفو حححهفدور در دقیقهژفو در سه راستاي محوري پXژ، افقیفپYژفو عمودي پZژفو با حهفتکرار براي هر راستا انجام گرفتچفسپس اطلاعات جمع آوري شده به نرم افزار تSpectra Proفبه منظور استخراج طیف ارتعاشی حاصله بر اساس تبدیل فوریه ي سریع پFFTژفدر بازه ي فرکانسی حححلنحفهرتز منتقل گردیدچفجدول لفمشخصات حسگر ارتعاشی دستگاه را نشان می دهد.
پس از استخراج طیف ارتعاشی در حوزه ي فرکانس در هر حالت از شاخص هاي آماري به عنوان معیار هاي طبقه بنديفبراي مقادیر شتاب در کل حوزه ي فرکانسی استفاده گردیدچففازفاین شاخص هاي آماري که اطلاعات جامعی را در مورد کل طیف نشان می دهد به عنوان ورودي الگوریتم ٤٨Jفاستفاده گردیدچفشاخص هايفآماريفمورد استفاده عبارت بودند ازانحراف از معیار پStandard Deviationژچفیک اندازه براي انرژي موثر یافمحتوي انرژيفسیگنال ارتعاش استچفاز رابطه ي زیر براي محاسبه ي انحراف از معیار استفاده شدچفدر این رابطه nفنمایانگر اندازه ي نمونه است.هچ چولگی پSkewnessژچفنشانگر درجه ي نامتقارن بودن توزیع داده ها حول میانگین استچففاز رابطه ي هفبه منظور محاسبه چولگی استفاده گردید،فکه در آن nفاندازه ي نمونه و sفانحراف از معیار نمونه است.
