1403/02/13
محمد رضا ملکی

محمد رضا ملکی

مرتبه علمی: استادیار
ارکید:
تحصیلات: دکترای تخصصی
اسکاپوس: 23156
دانشکده: دانشکده کشاورزی
نشانی: سنندج، بلوار پاسداران، دانشگاه کردستان 15175-66177
تلفن: 6664600-5

مشخصات پژوهش

عنوان
تشخیص عیوب جعبه دنده با استفاده از روش آکوستیک
نوع پژوهش
پایان نامه
کلیدواژه‌ها
پایش وضعیت، پردازش سیگنال، تحلیل فرکانس، سیگنال صوتی
سال 1396
پژوهشگران شیما بیات(دانشجو)، محمد رضا ملکی(استاد راهنما)، کاوه ملازاده(استاد مشاور)

چکیده

یکی از روش های مهم برای به حداقل رساندن هزینه تعمیرات و نگهداری تجهیزات صنعتی دوار، پایش وضعیت آن ها با استفاده از تحلیل صدا می باشد. در پژوهش حاضر تشخیص عیوب و پایش وضعیت جعبه دنده به کمک تحلیل صدا انجام شد. برای این کار سامانه ای طراحی و ساخته شد که شامل یک الکتروموتور به منظور تامین دورهای مختلف برای جعبه دنده متصل به آن بود. ابتدا سامانه ساخته شده تحت شرایط متفاوت دور راه-اندازی و بوسیله یک میکروفن سیگنال صدای حاصل از چرخ دنده های سالم در رایانه ذخیره گردید. سپس عیوب محتمل جعبه دنده به ترتیب روی جعبه دنده اعمال شد و سیگنال صدای حاصل از چرخ دنده جمع آوری و مجدداً در رایانه ذخیره گردید. سیگنال های صوتی بوسیله نرم افزار LabVIEW که به همین منظور نوشته شده بود جمع آوری شد و سپس به داده های عددی برای پردازش های بعدی تبدیل شد. سیگنال های صوتی در دورهای موتور 750، 950، 1200 و1800 دور بر دقیقه مورد آزمایش قرار گرفتند. نتایج خروجی حوزه فرکانس، که با تبدیل FFT و فیلتر کردن سیگنال ها به دست آمد، بررسی و با مقایسه طیف فرکانسی هر یک از شرایط معیوب با حالت سالم قبل از ایجاد عیب مقایسه گردید. خرابی های مورد بررسی شامل چرخ دنده با سائیدگی یک دندانه، چرخ دنده با شکستگی یک دندانه و چرخ دنده با سائیدگی یک دندانه و شکستگی در دندانه دیگر بود. با مقایسه طیف فرکانسی سیگنال های به دست آمده در شرایط سالم و معیوب و با بیرون کشیدن برخی مشخصات آماری و طبقه بندی آن، عیوب مورد بررسی به وضوح قابل شناسایی بود. جهت تشخیص هوشمند نوع عیب از نرم افزار WEKA استفاده شد و عیوب در کلاس بندی مرتبط با نوع عیب طبقه بندی شد. صحت طبقه-بندی در 750 دور در دقیقه بیش از 90%، در 950 و 1200 دوردر دقیقه صحت طبقه بندی بیش از 98% و در 1800 دور در دقیقه صحت طبقه بندی بیش از 95% بدست آمد. بررسی طیف فرکانسی سیگنال صوتی حاصل از چرخ دنده و همچنین نتایج حاصل از داده کاوی و طبقه-بندی، بیانگر توانمندی این روش در پایش وضعیت جعبه دنده با صحت بالا در کوتاه ترین زمان می باشد.