عنوان پایان‌نامه
طبقه بندی عیوب پمپ آب گریزازمرکز مبتنی بر منطق فازی توسط آنالیز طیف ارتعاشی با استفاده از تبدیل فوریه سریع و تبدیل موجک
- رشته تحصیلی
- مهندسی کشاورزی - مکانیک ماشینهای کشاورزی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 53970
- تاریخ دفاع
- ۲۹ شهریور ۱۳۹۱
- دانشجو
- سعید فرخزاد
- استاد راهنما
- حجت احمدی
- چکیده
- با توجه به پیشرفت سریع تکنولوژی در سا‌ل‌های اخیر، نیاز به کاربرد روش‌های مختلف برای بالا نگه داشتن کیفیت محصول و سلامت خط تولید به شدت احساس می‌شود .بدین سان، پایش وضعیت با تست‌های غیر‌مخرب به عنوان روشی نوین و کارآمد در صنایع به طور گسترده مورد استفاده قرار می‌گیرد که می‌تواند با پیش بینی و تشخیص به موقع عیوب از توقف بی‌مورد و یا آسیب جدی به سامانه جلوگیری کند. خودکار سازی کنترل سلامت ماشینهای داخل سیستم، کمک شایانی به مدیریت تعمیرات در صنایع می‌کند. به منظور پیاده‌سازی سامانه‌ی پایش وضعیت، روش‌های گوناگونی تاکنون مورد استفاده قرار گرفته است که یکی از متداول‌ترین آن‌ها تحلیل امواج ارتعاشی است. امواج به طور کلی در سه حوزهی فرکانس، زمان و زمان-فرکانس مورد تحلیل قرار می‌گیرند که تبدیل فوریه سریع و تبدیل موجک به عنوان روش‌هایی کارآمد در حوزه فرکانس و حوزه زمان- فرکانس کاربرد دارند. این پژوهش روشی را برای پایش وضعیت بر پایه‌ی سیستم استنتاج فازی (FIS) به همراه درخت‌های تصمیم ارائه می‌نماید. آزمایش‌ها بر روی پمپ گریزازمرکز آب انجام گرفت. سیگنال‌های ارتعاشی توسط یک حسگر پیزوالکتریک ارتعاشی در وضعیت‌های مختلف پمپ اندازه‌گیری شد. وضعیت‌های پمپ در سرعت 1450 در در دقیقه عبارت بودند از: پمپ سالم، پروانه شکسته، کاویتاسیون، خرابی آب بند و پروانه ساییده. ویژگی‌های طیف ارتعاشی با استفاده از پارامترهای آماری توصیفی برای وضعیت‌های مختلف پمپ استخراج گردید. از الگوریتم J48، که یکی از روش‌های ایجاد درخت تصمیم است، به عنوان ابزاری برای طراحی طبقه بند و انتخاب ویژگی‌های موثر در عیب یابی بهره گرفته شد. خروجی الگوریتم J48 یک درخت تصمیم است که برای تولید قوانین اگر-آنگاه و مجموعه‌ی توابع عضویت سیستم فازی بکار برده شد. ساختار طبقه بند FIS براساس این مجموعه‌ها و قوانین، که به منظور جلوگیری از ناپیوستگی در طبقه بندی فازی شده بودند، طراحی گردید. به منظور اعتبار سنجی مدل پیشنهادی J48_FIS، 30% از داده‌های ارتعاشی به کاربرده شد. نتایج نشان داد که درجه انطباق نهایی سیستم برای شرایط تبدیل فوریه سریع، تبدیل موجک-Db2، تبدیل موجک-Sym2 و تبدیل موجک-Coif2 به ترتیب 92%، 33/97%، 96% و 96% می‌باشد. نتایج بیانگر آن است که مدل ترکیبی J48_FIS توانایی لازم برای عیب یابی پمپ گریزازمرکز آب را دارد. واژه‌های کلیدی: پمپ گریزازمرکز آب، تشخیص عیب، تبدیل سریع فوریه و تبدیل موجک، درخت تصمیم، منطق فازی، طبقه بندی عیب.
- Abstract
- The undeniable importance of maintenance and keeping product line up and running is improving during recent years. Non-destructive tests are one of the common techniques for condition monitoring industrial equipments which can prevent machineries from breakage and catastrophic faults. Automation of machinery condition monitoring can help industries and manufactures to plan for cost efficient maintenance instead of time-based maintenance. Vibration signals carry rich information about machinery health, therefore vibration based condition monitoring are the most useful methods for fault classification in industries. Signals processing consists of three main parts: time domain, frequency domain and Time-Frequency domain where fast fourier transform and wavelet transform are one of the common and useful techniques in frequency domain and time-frequency domain, Respectively. This paper presents a fault diagnosis method based on fuzzy inference system (FIS) in combination with decision trees. Experiments were conducted on the centrifugal water pump. The vibration signal from a piezo-electric transducer is captured for the following conditions: Normal pump (Healthy), Broken-Impeller (IB), Cavitation (CAV), Faulty Seal (SF) and Worn-Impeller (IW) for working of pump speed (1450RPM). The features of signal were extracted using descriptive statistics of five pump conditions. The J48 algorithm which is one of the decision tree methods is used as a feature selection procedure to select pertinent features from data set. The output of J48 algorithm is decision tree that was employed to produce the crisp if-then rule and membership function sets. The structure of FIS classifier was then defined based on the crisp sets, which were fuzzified in order to avoid classification surface discontinuity. In order to evaluate the proposed J48-FIS model, 30% the data sets obtained from vibration signals of the pump were used. Results showed that the total classification accuracy for FFT, WT-Db2, WT-Sym2 and WT-Coif2 conditions were 92%, 97.33%, 96% and 96%, respectively. The results indicated that the combined J48-FIS model has the potential for fault diagnosis of centrifugal water pumps. Key words: Centrifugal Water Pump, Fault Diagnosis, Fast Fourier and Wavelet Transform, Decision Tree, Fuzzy Logic, Fault Classification.
