امروزه پایش وضعیت تولیدات مکانیکی مخصوصاً ماشین های دوار ، به منظور بالا بردن سطح کیفی و اطمینان از صحت عملکرد آنها ، کاربرد زیادی پیدا کرده است . در این راستا سیستم های مبتنی بر هوش مصنوعی به طور گسترده ای برای یافتن عیوب پیش آمده مورد استفاده قرار گرفته اند . ولی پراکندگی موجود در انواع روش های بکارگرفته شده ، انتخاب یک روش کاربردی را مشکل ساخته است . به همین علت در این پژوهش مطالعه ای بر روی طیف وسیعی از این روش ها که اغلب در سال های اخیر مطرح شده اند ، صورت گرفته است .همچنین در رابطه با پیشینه و تئوری آنها مطالبی بیان شده است . سپس برای یافتن راهکاری مناسب ، مزایا و معایب هر روش در جدول هایی گردآوری شده و در نهایت تحت یک مدل مقایسه ای ارزیابی شده اند . تلاش شده این مزایا و معایب بر پایه ی مکتوبات و مستندات سال های اخیر جمع آوری شود . نتایج نشان می دهد که برای یافتن عیوب یک چرخ دنده ، بکار گیری سیگنال ارتعاشی و آنالیز موجک بسته ای به همراه روش PCA برای انتخاب ویژگی های موثر و شبکه ی عصبی برای تفکیک عیوب ، بسیار مناسب می باشد . در پایان این پژوهش برای یافتن سلامت چرخ دنده ی یک جعبه دنده ی نمونه از توالی روش های گفته شده استفاده گردیده و نتایج آن نشان داده شده است
فهرست :
فصل اول: مقدمه
مقدمه
اهمیت موضوع تحقیق
ضرورت انجام تحقیق
مراحل انجام تحقیق
روشهای موجود و نحوه انجام تحقیق
فصل دوم : کلیات تحقیق
بخش اول : پیشینه تحقیق
مقدمه
روش های پردازش سیگنال
روش های حوزه زمان
روش های حوزه فرکانس
روش های زمان فرکانس
روش های مبتنی بر هوش مصنوعی
بخش دوم : تئوری تحقیق
تئوری تحقیق
نوع سیگنال نمونه برداری ، صوت یا ارتعاش
روش های استخراج ویژگی
روش های حوزه زمان
روش های حوزه فرکانس
روش های زمان فرکانس
تبدیل موجک پیوسته
تبدیل موجک گسسته
تبدیل موجک بسته ای
روش های انتخاب ویژگی
روش الگوریتم ژنتیک
روش IDE
روش PCA
روش های طبقه بندی
روش K نزدیک ترین همسایه
ماشین بردار پشتیبان
شبکه های عصبی
شبکه های شعاع محوری
سیستم استنتاج فازی عصبی تطبیقی
ساختار ANFIS
الگوریتم یادگیری
فصل سوم : ارائه ی مدل مقایسه ای
مقدمه
ضرورت ارائه مدل در روشهای عیب یابی
تفسیر مدل مقایسه ای
گام اول : انتخاب نوع سیگنال برداشت شده ، صوت یا ارتعاش
گام دوم : انتخاب روش استخراج ویژگی به همراه جداول SW
گام سوم : انتخاب روش انتخاب ویژگی به همراه جداول SW
گام چهارم : انتخاب روش طبقه بندی به همراه جداول SW
گام پنجم : ترکیب روشها و مشخص کردن توالی ها
گام ششم : جداول SW سه توالی انتخاب شده
گام هفتم: تحلیل نتایج جداول بر اساس معیارهای هزینه، سرعت ، پیچیدگی و درصد موفقیت
ارائه مدل مقایسه ای یکپارچه در روشهای عیب یابی
فصل چهارم : تجزیه و تحلیل عیوب یک جعبه دنده نمونه
مقدمه
توالی منتخب
داده های نمونه برداری
سیستم داده پرداری
آماده سازی داده ها
استخراج ویژگی
آنالیز موجک بسته ای
بردار ویژگی اولیه
انتخاب ویژگی های موثر
نرمال سازی ویژگی ها
ماتریس ویژگی نهائی
طبقه بندی وضعیت ها
معماری شبکه عصبی
آموزش شبکه
الگوریتم آموزش RP
الگوریتم آموزش SCG
فصل پنجم : نتیجه گیری و پیشنهادات
مراجع