تشخیص آکوستیکی عیوب الکتروموتور با استفاده از روش یادگیری ماشین

چکیده مقاله

یکی از روشهایی که امروزه برای به حداقل رساندن هزینه نگهداری و تعمیرات تجهیزات صنعتی دوار به کار میرود، پایش وضعیت به کمک تحلیل صدا میباشد. این تحقیق با هدف پایش وضعیت به کمک تحلیل صدا برای تشخیص عیب یک الکتروموتور تک فاز از طریق روش یادگیری ماشین انجام شد. شرایط آزمایش شامل حالت سالم، حالت خرابی بلبرینگ، نابالانسی محور و سایش در محور در دو حالت 500 و1400 دور در دقیقه الکتروموتور بود. برای داده‌برداری یک دستگاه میکروفن روی الکتروموتور نصب شد. پس از دادهبرداری و پردازش سیگنال و تجزیه و تحلیل آماری نسبت به خوشهبندی دادهها به روش یادگیری ماشین و الگوریتم K mean و انتخاب ویژگیهای برتر به روش PCA اقدام شد. سپس برترین ویژگیها در فرآیند مدلسازی ANFIS استفاده شد. ویژگیهای انتخاب شده شامل ویژگیهای انتخاب شده مشترک در هر دو وضعیت دور الکتروموتور بود. پس از ارزیابی مدلها، نتایج بالاترین دقت تشخیص عیب در بهترین مدل خروجی مقدار 82/96 درصد بود. میانگین دقت طبقه‌بندی کلی تشخیص عیب 71/95 درصد بود. نتایج نشان داد که آنالیز سیگنالهای صوتی و مدلسازی با استفاده از روش یادگیری ماشین میتواند در تشخیص عیوب الکتروموتور استفاده شود. براساس نتایج پایش وضعیت الکتروموتور از طریق آنالیز صوتی موجب کاهش توقفات الکتروموتور و ادامه روند کار آن در صنعت شده و با پایش وضعیت مناسب آن هزینههای تعمیراتی الکتروموتور کاهش مییابد.