تشخيص آكوستيكي عيوب الكتروموتور با استفاده از روش يادگيري ماشين

يكي از روش هايي كه امروزه براي به حداقل رساندن هزينه نگهداري و تعميرات تجهيزات صنعتي دوار به كار مي رود، پايش وضعيت به كمك تحليل صدا مي باشد. اين تحقيق با هدف پايش وضعيت به كمك تحليل صدا براي تشخيص عيب يك الكتروموتور تك فاز از طريق روش يادگيري ماشين انجام شد. شرايط آزمايش شامل حالت سالم، حالت خرابي بلبرينگ، نابالانسي محور و سايش در محور در دو حالت 500 و1400 دور در دقيقه الكتروموتور بود. براي داده‌برداري يك دستگاه ميكروفن روي الكتروموتور نصب شد. پس از داده برداري و پردازش سيگنال و تجزيه و تحليل آماري نسبت به خوشه بندي داده ها به روش يادگيري ماشين و الگوريتم K mean و انتخاب ويژگي هاي برتر به روش PCA اقدام شد. سپس برترين ويژگي ها در فرآيند مدل سازي ANFIS استفاده شد. ويژگي هاي انتخاب شده شامل ويژگي هاي انتخاب شده مشترك در هر دو وضعيت دور الكتروموتور بود. پس از ارزيابي مدل ها، نتايج بالاترين دقت تشخيص عيب در بهترين مدل خروجي مقدار 82/96 درصد بود. ميانگين دقت طبقه‌بندي كلي تشخيص عيب 71/95 درصد بود. نتايج نشان داد كه آناليز سيگنال هاي صوتي و مدل سازي با استفاده از روش يادگيري ماشين مي تواند در تشخيص عيوب الكتروموتور استفاده شود. براساس نتايج پايش وضعيت الكتروموتور از طريق آناليز صوتي موجب كاهش توقفات الكتروموتور و ادامه روند كار آن در صنعت شده و با پايش وضعيت مناسب آن هزينه هاي تعميراتي الكتروموتور كاهش مي يابد.