عنوان پایان‌نامه
طراحی و ساخت سامانه ای جهت اخذ داده های آکوستیکی به منظور پایش وضعیت جعبه دنده
- رشته تحصیلی
- مهندسی کشاورزی-مکانیک ماشینهای کشاورزی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه پردیس ابوریحان شماره ثبت: 904;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 68818
- تاریخ دفاع
- ۳۱ فروردین ۱۳۹۴
- دانشجو
- مهدی زمانی
- استاد راهنما
- سیدرضا حسن بیگی بیدگلی, محمد ابونجمی
- چکیده
- یکی از روش¬های مهم برای به حداقل رساندن هزینه تعمیرات و نگهداری تجهیزات صنعتی دوار ، پایش وضعیت به¬صورت تحلیل صدا می¬باشد که در سال¬های اخیر به سرعت رشد یافته است. در پژوهش حاضر به-منظور بررسی روند تشخیص عیب و پایش وضعیت جعبه¬دنده به کمک تحلیل صدا با طراحی و ساخت سامانه-ای برای اینکار صورت پذیرفت. ابتدا سامانه ساخته شده تحت شرایط متفاوت دور راه¬اندازی و صدای حاصل از چرخ¬دنده¬های سالم و معیوب به¬وسیله صداسنج اخذ و در رایانه جهت پردازش ذخیره گردید. سیگنال¬های صوتی بعد از پردازش به¬وسیله نرم¬افزار متلب در دو طیف زمانی و فرکانسی مورد بررسی و مقایسه قرار گرفت. در پژوهش حاضر، سیگنال¬های صوتی ناشی از دوران جعبه¬دنده در سرعت¬های 1496، 1050 و 749 دور بر دقیقه پینیون جهت تشخیص عیب در چرخ¬دنده¬های معیوب مورد استفاده قرار گرفتند. سپس نتایج خروجی حوزه فرکانس که با تبدیل FFT به¬دست آمده بررسی و با مقایسه طیف فرکانسی، هر¬یک از شرایط معیوب با حالت سالم نوع عیب مشخص گردید. خرابی¬های مورد بررسی چرخ¬دنده¬ها شامل چرخ¬دنده با شکستگی یک دندانه، چرخ¬دنده با سائیدگی یک دندانه و چرخ¬دنده با سائیدگی یک دندانه و شکستگی در دندانه دیگر بود. جهت تشخیص هوشمند نوع عیب از دو مدل شبکه¬های عصبی پرسپترون چند لایه (MLP) و شبکه¬های عصبی با توابع پایه¬ای شعاعی (RBF) استفاده شد. آزمون تشخیص عیوب چرخ¬دنده نشان میدهد در سرعت¬های 1496، 1050 و 749 دور بر دقیقه ؛ با مقایسه طیف فرکانسی سیگنال¬های به¬دست آمده در شرایط سالم و معیوب و با توجه به فرکانس درگیری چرخ¬دنده، هارمونیک¬های آن و نیز باند¬های جانبی، عیوب مورد بررسی به وضوح قابل شناسایی می¬باشد. نتایج حاصل از تحلیل طیف فرکانسی سیگنال¬ها در سرعت 1496 دور بر دقیقه پینیون، عیب شکستگی یک دندانه در فرکانس درگیری چرخدنده¬ها را به¬ترتیب برابر 489، 350 و 249 هرتز نشان داد که با افزایش دامنه فرکانس مذکور ظاهر شد. عیب سائیدگی دندانه¬ها در یک چرخ¬دنده به¬صورت ایجاد باند¬های جانبی به فاصله مساوی در اطراف فرکانس درگیری چرخ¬دنده در طیف فرکانسی سیگنال در سرعت¬های 1496 و 1050 دور بر دقیقه پینیون کاملاً قابل تشخیص بود، اما در سرعت¬های کمتر تشخیص این عیب کمی سخت¬تر شد. در این پژوهش، بهترین نوع شبکه عصبی MLP از لحاظ کارایی و کم¬ترین خطا در تشخیص هوشمند نوع عیب انتخاب و معرفی گردید. در بهترین حالت ضریب همبستگی (R) برای تمامی داده¬ها برابر 92/0 محاسبه شد. لازم به ذکر است که شبکه عصبی MLP با وجود دست یافتن به مقدار خطای ناچیز در طی فرایند تشخیص عیب، به حالت پایدار نرسید. اما در مقابل شبکه عصبی با توابع پایه¬ای شعاعی (RBF) به¬واسطه ساختار مناسب این شبکه جهت تشخیص نوع عیب حداکثر با سه نورون در لایه مخفی توانست نوع عیب را به¬درستی تشخیص دهد. بررسی طیف فرکانسی سیگنال صوتی حاصل از چرخ¬دنده، بیانگر توانمندی این روش در پایش وضعیت جعبه¬دنده¬ با دقت بالا در زمان حداقل می¬باشد. کلمات کلیدی: پایش وضعیت، جعبه¬دنده، سیگنال صوتی، پردازش سیگنال.
- Abstract
- Abstract One of the important methods to minimize the cost of maintenance of rotating industrial equipment, is condition monitoring using sounds analysis technique which has been evolving at a rapid stage in recent years. This study was performed to evaluate the diagnosis and condition monitoring of gearbox using sound signal processing. First designed and developed system was set up under different speeds and the sound of normal and faulty gear by taking scale was stored on the computer for processing. Audio signals after processing were compared using MATLAB software in both time and frequency spectra. In the present study, the audio signals resulting were used from the transmission at speeds of 1496, 1050 and 749 rpm in gear pinion for faulty diagnosis. The results output of the frequency domain obtained with FFT transform were measured and compared the frequency spectrum, each of the defective condition of the healthy state of the fault. Faulty gear, including gear with a broken tooth, a tooth gear wear and gear with a tooth wear and fracture with another tooth. For Intelligent detection of defects was used from the neural network model for Multi-layer Perceptron (MLP) neural network and radial basis function (RBF). Test gear defects is clearly identifiable defects studied at speeds in 1496, 1050 and 749 rpmand compared with the signal-frequency spectrum obtained. The results of the analysis of the frequency spectrum of the signal at a speed of 1496 rpm pinion, showed fault fracture of a tooth engagement frequency gear are respectively 489, 350 and 249 Hz that increasing the frequency domain has appeared. Tooth abrasion flaw was completely recognizable in a gear to create equal intervals around the side band in the frequency spectrum of the signal frequency gear conflicts in 1496 and 1050 rpm speeds pinion, But less rapidly detect the fault was a little harder. Troubleshooting wear a tooth and another tooth fractures was detected only 1496 and 1050 rpm speeds pinion. In this study, the best MLP neural network was introduced in terms of efficiency and minimal error detection type troubleshoot smart choice. The best correlation coefficient (R) of 0.92 was used for all data. It should be noted that despite the MLP neural network achieves low error during the process of diagnosis, it is not sustainable. But the neural network with radial basis function (RBF) network through a suitable structure to identify the type of fault up to three neurons in the hidden layer could correctly identify the type of fault. Checking the sound signal frequency domain of gears, reflects the ability of this technique of condition monitoring with high accuracy at minimum time. Keywords: Condition monitoring, gearbox, Audio signals, Signal processing.
