| پیش‌بینی روند زوال ارتعاشات بلبرینگ‌ها براساس داده‌های محدود برای سطح اطمینان مطلوب با بکارگیری الگوریتم‌های یادگیری ماشین |
| کد مقاله : 1033-IRNDT |
| نویسندگان |
|
محمدرضا سیف، سمیه محمدی *، پرهام رحیمی، مهدی بهزاد دانشکده مهندسی مکانیک، دانشگاه صنعتی شریف |
| چکیده مقاله |
| پیش‌بینی روند زوال بیرینگ و آگاهی از زمان تعویض بهینه آن، نه تنها کمک شایانی به تیم نگهداری و تعمیرات برای مدیریت و تامین قطعات مصرفی می‌نماید، بلکه قابلیت اطمینان تجهیزات را بالا می‌برد و از خرابی‌ها و شکست‌های متعاقب آن جلوگیری می‌نماید. نظر به اینکه در بسیاری از صنایع بزرگ، پایش وضعیت مبتنی بر ارتعاشات به صورت پریودیک در حال انجام است، استفاده از این داده‌ها جهت پیش‌بینی آینده روند تغییرات مشخصه‌های ارتعاشی مدنظر این پژوهش می‌باشد. با توجه به محدودیت داده‌ها در صنایع، لازم مدل مورد استفاده قابلیت کار با داده کم را داشته باشد. در این راستا، یک تست کارکرد تا خرابی برای نمونه بیرینگ صنعتی انجام و داده‌های ارتعاشی آن ثبت می‌شود. نظر به تاثیر تنوع شرایط عملکردی و عدم قطعیت در رفتار ارتعاشی حتی دو بیرینگ کاملاً مشابه، پیش‌بینی مبتنی بر سابقه ارتعاشی بیرینگ مورد بررسی به عنوان ورودی مدل قرار می‌گیرد. این پژوهش در سه گام انتخاب مشخصه برای پیش‌بینی روند تغییرات آن، انتخاب مشخصه برای تشخیص نقطه شروع خرابی و تعیین مدل مناسب برای پیش‌بینی وضعیت آینده ارتعاشات بیرینگ انجام می‌شود. بهترین مشخصه برای پیش‌بینی روند، RMS و برای تشخیص شروع خرابی، Peak و Kurtosis انتخاب می‌شوند. مدل تخمین زوال با مقایسه نتایج دو مدل SVR + Bootstrapping و RVR و با طراحی سناریوهای مختلف در شرایط داده محدود انتخاب می‌گردد. بهترین مدل، روش RVR با نیاز به سه داده برای تخمین و با قابلیت ارائه نتایج با سطح اطمینان معرفی می‌شود، که دقت حدود 94% را برای بیرینگ مورد مطالعه ارائه می‌نماید. |
| کلیدواژه ها |
| یاتاقان غلتشی، تخمین زوال، ارتعاشات، یادگیری ماشین، سطح اطمینان |
| وضعیت: پذیرفته شده برای ارائه شفاهی |
