ارائه مدل فازي- عصبي- تطبيقي جهت عيب يابي نابالانسي يك سيستم دوار با استفاده از سنسور پيزوالكتريك

Experimental Condition Monitoring of Unbalanced Rotary Shaft Based on ANFIS by Using Piezoelectric Sensor

امروزه براي مدل سازي بهتر سيستم هاي مهندسي از روش هاي تركيب شده به منظور دست يابي به دقت بيشتر استفاده هاي فراواني مي شود. به همين منظور تركيب سه رويكرد فازي، شبكه عصبي مصنوعي و علم تطبيقي مي تواند مدل سازي واقعي تري از سيستم را ارائه نمايد.اين سه روش هر يك بخشي از مدل مساله را طراحي و تحليل مي نمايند بطوري كه كه مدل ارائه شده از تركيب فازي- عصبي- تطبيقي مي تواند يك مدل مقاوم و اطمينان بخشي را جهت تصميم گيري توسط طراح را تحليل نمايد. در اين مقاله هدف اصلي عيب يابي و پايش تجربي يك سيستم موتور هواپيما در حضور و غياب نابالانسي را با استفاده از مدل رياضي فازي- عصبي- تطبيقي تحليل و تفسير نمايد. ابتدا با استفاده از نرم افزار LabVIEW و سنسورهاي پيزوالكتريك داده هاي ارتعاش عرضي در محل قرارگيري سنسورهاي پيزوالكتريك (نصب شده بر روي ياتاقان ها) ذخيره شده و سپس با استفاده از نرم افزار MATLAB به مدل سازي داده هاي تجربي با استفاده از رويكرد تركيبي فازي- عصبي – تطبيقي به منظور برازش منحني پرداخته شده است.

Todays, there are using hybrid methods in order to reach high level degree of accuracy and reliability for engineering systems. According to more reality modelling of system, it was mixed three strategies such as fuzzy, artificial neural networks and adaptive method. This mixed methods is presenting and analyzing each of engineering problem. Adaptive-Neural-Fuzzy (ANF) can be showed in which a robustness and reliable model by designer who assess that in order to make decision as well. In this paper, main aim is experimental condition and health monitoring of rotary system is including shaft, bearings, electromotor which are main components of system and using piezoelectric as sensor by ANF method. Firstly, by using LabVIEW software, experimental data of flexural vibration was recorded with piezoelectric sensor where were fixed on top of bearings, and secondly we used MATLAB software for analyzing experimentation for presentation of ANF model in order to curve fitting of data.