مقايسه روش هاي تصميم گيري اتوماتيك براي پايش وضعيت ماشين هاي دوار

يكي از قسمت هاي بسيار مهم سيستم هاي پايش وضعيت ماشين هاي دوار، ماژول تصميم گيري است كه تاثير بسزايي بر دقت سيستم پايش وضعيت دارد. در اين مقاله با استفاده از شبكه عصبي پرسپترون چند لايه كه توسط روش لونبرگ - ماركوارت آموزش ديده شده و همچنين سيستم استنتاج عصبي فازي تطبيقي (انفيس) ، عيوب شبيه سازي شده بر روي يك جعبه دنده واقعي شناسايي مي شود. بردار مشخصه شامل، جذر ميانگين مربعات، كرتوسيس، پيك، كرست و فاكتور كا در نظر گرفته شده كه پس از پردازش سيگنال‌هاي ارتعاشي جعبه دنده توسط تبديل موجك گسسته با استفاده از تابع دبوچي 10 به دست آمده‌اند. بردار مشخصه ، قبل از اعمال به سيستم تصميم گيري، با استفاده از روش مؤلفه‌هاي اصلي كاهش ابعادي يافته است. وضعيت نهايي جعبه دنده به سه كلاس شامل جعبه دنده سالم، جعبه دنده با ياتاقان معيوب و جعبه دنده با ياتاقان و چرخدنده معيوب به طور همزمان تقسيم شده كه توسط سه نرون در لايه خروجي با هدف عيب يابي و شناسايي مشخص شده‌اند. با استفاده از 128 نمونه سيگنال ارتعاشي، دقت نهايي سيستم انفيس، حدود % 91 و براي سيستم شبكه عصبي حدود % 87 ، بدست آمده است