عنوان پایان‌نامه
پایش وضعیت ارتعاشی سامانه سیاره ای کاهنده نهایی تراکتور مسی فرگوسن ۲۸۵ وطبقه بندی ویژگیهای عیوب آن به کمک تحلیل موجک ومنطق فازی
- رشته تحصیلی
- مهندسی کشاورزی - مکانیک ماشینهای کشاورزی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی پردیس کشاورزی و منابع طبیعی شماره ثبت: 4327;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 48093;کتابخانه مرکزی پردیس کشاورزی و منابع طبیعی شماره ثبت: 4327
- تاریخ دفاع
- ۱۷ بهمن ۱۳۸۹
- دانشجو
- رضا لبافی حسین آبادی
- استاد راهنما
- حجت احمدی
- چکیده
- در سال های اخیر، پایش وضعیت و عیب یابی ماشین ها به عنوان بخشی از سیستم های نگهداری و کنترل کیفیت، به علت مزایای فراوانش همچون کاهش هزینه های نگهداری و تعمیرات، 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) و تحلیل موجک سیگنال ارتعاشی ارائه می نماید. آزمایش-ها بر روی یک سامانه سیاره¬ای – خورشیدی کاهنده نهایی تراکتور مسی فرگوسن 285 انجام گرفت. سیگنال های ارتعاشی توسط یک حسگر پیزوالکتریک ارتعاشی در وضعیت های مختلف کاهنده نهایی مانند کاهنده نهایی سالم، ساییدگی یک دندانه از چرخ دنده، شکستگی یک دندانه از چرخ دنده و ساییدگی یک چرخ دنده به همراه شکستگی دندانه¬ی دیگر چرخ دنده اندازه گیری شد. چهار سطح سرعت دورانی محور ورودی به کاهنده نهایی (300، 600، 900 و 1200 دور در دقیقه) نیز به عنوان دور چرخشی در نظر گرفته شد. حسگر نیز در سه حالت عمودی، افقی و محوری روی بدنه کاهنده نهایی قرار داده شد. در مجموع 48 تیمار جهت طراحی FIS انجام گرفت. ویژگی های طیف ارتعاشی پس از اعمال چهار نوع موجک مادر متفاوت با استفاده از پارامترهای آماری و ارتعاشی برای وضعیت های مختلف کاهنده نهایی استخراج گردید. از بین 52 ویژگی استخراج شده، بین 3 تا 11 مورد از آنها که قابلیت تفکیک بیشتری داشتند انتخاب گردیدند. سپس سه نوع مختلف استنتاج فازی در توپولوژی های مختلف به عنوان طبقه بند استفاده شد. بهترین FIS با دقت 99 درصد مربوط به خوشه بندی کاهشی به دست آمد. این دقت نشان از قدرت بالای تحلیل موجک، ویژگی¬های مفید استخراج شده و نیز طبقه بندهای فازی می¬باشد. سپس به منظور خودکار کردن عملیات طبقه بندی عیوب یک واسط کاربر گرافیکی در محیط نرم افزار متلب ایجاد گردید. نتایج نشان داد که فرآیند طبقه بندی به خوبی می-تواند عیوب ذکر شده را تشخیص و تمیز دهد.
- 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) and processing vibration signals by wavelet analysis. Experiments were conducted on the final drive (FD) Planetary Gears of MF 285 Tractor. The vibration signal from a piezo-electric transducer was captured for the following conditions: Healthy final drive (H), gear with tooth face wear (W), gear with missed tooth (B) and gear with tooth face wear plus gear with broken tooth (B&W) for four working levels speeds of input shaft of final drive (300, 600, 900, 1200 rpm). 48 treatments were considered for designing FIS. The features of signal were extracted after applying four different mother wavelet using descriptive statistics and vibration parameters of various final drive conditions. Among of 52 features, three to eleven features that had more ability for discriminating were selected. After that tree different type of FIS with various topology were employed as classifier. The best FIS was subtractive fuzzy clustering with 99 percent accuracy. This high accuracy mentioned the robust power of wavelet analysis, superior feature were extracted and FIS classifiers. At last, A graphical user inference (GUI) was created in MATLAB for automation of fault classification process.
