عنوان پایان‌نامه
پایش وضیعیت ارتعاشی پمپ هیدرولیک فرمان تراکتور مسی فرگوسن ۲۸۵ و طبقه بندی آن به کمک منطق فازی
- رشته تحصیلی
- مهندسی کشاورزی - مکانیک ماشینهای کشاورزی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی پردیس کشاورزی و منابع طبیعی شماره ثبت: 3749;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 42401
- تاریخ دفاع
- ۱۵ شهریور ۱۳۸۸
- دانشجو
- کاوه ملازاده
- استاد راهنما
- حجت احمدی
- چکیده
- در سال های اخیر، پایش وضعیت و عیب یابی ماشین ها به عنوان بخشی از سیستم های نگهداری، به علت مزایای فراوانش همچون کاهش هزینه های نگهداری، بهبود تولید و افزایش در دسترس بودن به موقع ماشین ها، به صورت جهانی کاربرد یافته است. کشف عیب قبل از اینکه باعث کاهش عملکرد سیستم شود، برای بسیاری از سیستم های مهندسی مهم و حیاتی است. این پژوهش روشی را برای پایش وضعیت بر پایه¬ی سیستم استنتاج فازی (FIS) به همراه درخت های تصمیم ارائه می نماید. آزمایش ها بر روی پمپ هیدرولیک فرمان تراکتور مسی فرگوسن 285 انجام گرفت. سیگنال های ارتعاشی توسط یک حسگر پیزوالکتریک ارتعاشی در وضعیت های مختلف پمپ اندازه گیری شد. وضعیت های پمپ عبارت بودند از: پمپ سالم، ساییدگی سطح داخلی یاتاقان های ژورنال، ساییدگی سطح رویی دندانه ی چرخ دنده ها و ساییدگی سطح داخلی یاتاقان های ژورنال به همراه ساییدگی سطح رویی دندانه ی چرخ دنده ها. سه سطح سرعت دورانی موتور (1000، 1500 و 2000 دور در دقیقه) نیز به عنوان شرایط کاری در نظر گرفته شد. در مجموع 240 آزمایش جهت طراحی FIS انجام گرفت. ویژگی های طیف ارتعاشی با استفاده از پارامترهای آماری توصیفی برای وضعیت های مختلف پمپ استخراج گردید. از الگوریتم J48، که یکی از روش های ایجاد درخت های تصمیم است، به عنوان ابزاری برای طراحی طبقه بند و انتخاب ویژگی های موثر در عیب یابی بهره گرفته شد. خروجی الگوریتم J48 یک درخت تصمیم است که برای تولید قوانین اگر- آنگاه و مجموعه ی توابع عضویت سیستم فازی به کار برده شد. ساختار طبقه بند FIS بر اساس این مجموعه ها و قوانین، که به منظور جلوگیری از ناپیوستگی در طبقه بندی فازی شده بودند، طراحی گردید. به منظور اعتبار سنجی (آزمون) مدل پیشنهادی FIS-J48، یک سری از داده ها که از سیگنال های ارتعاشی به دست آمده بودند، به کار برده شد. نتایج نشان داد که درجه انطباق نهایی سیستم برای شرایط 1000، 1500 و 2000 دور در دقیقه به ترتیب 100، 42/96 و 28/89 درصد می باشد. نتایج بیانگر آن است که مدل ترکیبی FIS- J48توانایی لازم برای عیب یابی پمپ های هیدرولیک را دارا می باشد.
- Abstract
- Recently, the issue of machine’s condition monitoring and fault diagnosis as a part of maintenance system has became global due to the potential advantages to be gained from reduced maintenance costs, improved productivity and increased machine availability. Detecting faults before they deteriorate the system performance is crucial for the reliability and safety of many engineering systems. This paper presents a fault diagnosis method based on fuzzy inference system (FIS) in combination with decision trees. Experiments were conducted on the steering system’s hydraulic pump of Massey Ferguson (MF) 285 type tractor. The vibration signal from a piezo-electric transducer is captured for the following conditions: Normal pump (GOOD), Journal-bearing with inner face wear (BIFW), Gear with tooth face wear (GTFW), and Journal-bearing with inner face wear plus Gear with tooth face wear (G&BW) for three working levels of pump speed (1000, 1500, and 2000 rpm). The features of signal were extracted using descriptive statistics of four 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, the data sets obtained from vibration signals of the pump were used. Results showed that the total classification accuracy for 1000, 1500, and 2000 rpm conditions were 100%, 96.42%, and 89.28%, respectively. The results indicated that the combined J48-FIS model has the potential for fault diagnosis of hydraulic pumps.
