عيب‌يابي بلبرينگ‌ها با استفاده از تبديل موجك و ماشين بردار پشتيبان مورلت و مقايسه آنها با تجزيه مود تجربي

در اين مقاله، مقايسه‌اي بين روش هاي تجزيه حالت تجربي، تجزيه حالت تجربي دسته‌اي و تبديل موجك پيوسته مورلت در تشخيص عيوب مختلف بيرينگ‌ها انجام شده است. در همين راستا از ماشين بردار پشتيبان با هسته موجك مورلت و استراتژي يكي در مقابل يكي كه پارامترهاي آن به كمك الگوريتم ژنتيك بهينه شده‌اند جهت طبقه‌بندي عيوب بلبرينگ‌ها استفاده مي‌شود. يك معيار انتخاب مقياس بر اساس نسبت ماكزيمم انرژي نسبي به آنتروپي رني جهت تعيين مقياس بهينه در آناليز موجك استفاده مي‌شود. همچنين، مقايسه‌اي بين عملكرد ماشين بردار پشتيبان موجك بهينه و غيربهينه نيز انجام شده است. سيگنال‌هاي ارتعاشي توسط يك بستر تست شبيه ساز عيوب بيرينگ در وضعيت هاي مختلف از جمله حالت سالم، عيب در ساچمه، عيب در حلقه خارجي، عيب در حلقه داخلي و عيب تركيبي بلبرينگ، توسط سنسورهاي شتاب‌سنج جمع‌آوري مي‌گردد. بعد از پردازش و تجزيه سيگنال‌ها به مولفه‌هاي فركانسي آنها، چند ويژگي آماري از هر مولفه فركانسي استخراج و بعنوان ورودي ماشين بردار پشتيبان، جهت تفكيك كلاس‌ها از يكديگر مورد استفاده قرار مي گيرد. همچنين به منظور كاهش زمان و بهبود فرآيند تصميم گيري در عيب‌يابي، با استفاده از روش يوتنس دسته ويژگي بهينه پارامترهاي آماري ورودي ماشين بردار پشتيبان موجكي انتخاب مي‌گردد. جهت ارزيابي طبقه‌بندي مجموعه داده‌ها از روش ارزيابي تقاطعي استفاده مي‌شود. نتايج نشان داد كه تبديل موجك پيوسته مورلت نسبت به دو روش ديگر در پردازش سيگنال‌ها مي‌‌تواند عيوب بلبرينگ‌ها را با دقت بالاتري شناسايي كند.