TY - JOUR ID - 4900 TI - عیب یابی و پایش وضعیت بلوئر لکوموتیوهای آلستوم با استفاده از آنالیز ارتعاشات و ماشین بردار پشتیبان JO - نشریه مهندسی مکانیک امیرکبیر JA - MEJ LA - fa SN - 2008-6032 AU - زکی زاده, مهدی AU - جمالی, علی AU - رفیعیان, منصور AU - سعیدی, حمید AU - چائی‌بخش, علی AD - دانشکده مهندسی مکانیک، دانشگاه گیلان، گیلان، ایران AD - دانشکده مهندسی مکانیک، دانشگاه یزد، یزد، ایران AD - دانشکده مهندسی برق، دانشگاه یزد، یزد، ایران Y1 - 2022 PY - 2022 VL - 54 IS - 8 SP - 1833 EP - 1850 KW - آنالیز ارتعاشات KW - پردازش سیگنال KW - ماشین بردار پشتیبان KW - آزمون تی KW - بلوئر DO - 10.22060/mej.2022.21122.7393 N2 -  آنالیز ارتعاشات از کاربردی‌ترین روش‌های پایش وضعیت و عیب‌یابی تجهیزات دوار است‌. در این تحقیق با استفاده از آنالایزر ارتعاشات و الگوریتم ماشین بردار پشتیبان روشی جهت پایش وضعیت و عیب‌یابی بلوئر لکوموتیوهای آلستوم ارائه شده است. جهت انجام این تحقیق ابتدا از بلوئرها داده‌برداری ارتعاشی شده و سیگنال‌های دریافتی در چهار گروه بلوئرهای سالم و با عیوب نابالانسی، لقی‌پایه و تاب‌پره دسته‌بندی شدند. سپس از سیگنال‌های دریافتی تعداد 16 ویژگی فرکانسی و زمانی استخراج شدند. در سیستم‌های دوار توجه به نسبت شدت ارتعاشات در هارمونیک‌های دور تجهیز، می‌تواند به فرایند تشخیص عیب کمک کند، بنابراین نسبت تمام ویژگی‌ها به هم محاسبه و به عنوان ویژگی‌های جدید تعریف شدند. تعداد زیاد ویژگی در بعضی مواقع باعث پایین آمدن دقت شبکه می‌شود‌، به همین دلیل داخل الگوریتم ماشین بردار پشتیبان یک فیلتر آزمون تی، جهت انتخاب ویژگی، قرار داده شد. نتایج به دست آمده نشان می‌دهد، فیلتر آزمون تی باعث افزایش دقت طبقه‌بندی الگوریتم ماشین بردار پشتیبان می‌شود. در انتها عملکرد انتخاب ویژگی این شبکه با انتخاب ویژگی توسط الگوریتم ژنتیک مقایسه شده که نتایج نشان می‌دهد در طبقه‌بندی عیوب بلوئر، شبکه‌ی طراحی شده در این تحقیق عملکرد بهتری در انتخاب ویژگی نسبت به الگوریتم ژنتیک دارد. UR - https://mej.aut.ac.ir/article_4900.html L1 - https://mej.aut.ac.ir/article_4900_1d3000f578c998c4fd7f83302e1796e1.pdf ER -