ترجمه مقاله نقش ضروری ارتباطات 6G با چشم انداز صنعت 4.0
- مبلغ: ۸۶,۰۰۰ تومان
ترجمه مقاله پایداری توسعه شهری، تعدیل ساختار صنعتی و کارایی کاربری زمین
- مبلغ: ۹۱,۰۰۰ تومان
چكيده
1.مقدمه
2. ساختمان سيستم
3. الگوريتم هاي تشخيصي/پيش بيني كننده
3.1 استخراج كننده تركيب يا ويژگي
3.2 تشخيص دهنده
3.2.1 نمونه يا مدل تشخيصي فازي
3.2.2 نمونه شبكه عصبي موج ضربه اي كوچك
3.2.3 پيشگو كننده
4 پياده كردن نرم افزار
5 نكات كاربردي
6 نتيجه گيري كلي
چكيده
بردگاه هاي عنصر غلطك زني، اجزايي هستند كه به طور گسترده در تجهيزات صنعتي مورد استفاده قرارگرفته و شكستن آنها ممكن است منجر به اسيب جدي به فرايندهاي اصلي شود. كارخانه هاي توليد كننده بردگاه ها ملزم به فراهم نمودن داده هايي از عملكرد تخمين زده شده براي مشتريانشان هستند. اين ها داده هاي آماري، معمولا از طريق آزمايشات مختلف تست با نمونه هاي محصول بوسيله لوازم تست بردگاه بدست مي آيند. هرچند، معمولا بدست آوردن نتايج متقاعد كننده از روش قديمي و ينتي به علت محدوديت دستگاه مانيتورينگ و روش هاي آناليزش خيلي سخت است. اين مقاله، يك نوع سيستم هوشمند را براي تست بردگاه و مركز بازرسي كارخانه بردگاه را براي نظارت بر وضعيت سلامتي و ارزيابي عملكرد بردگاه هاي آزمون شده طراحي مي كند. اين سيستم داراي يك زيرساخت توزيع شده بوده و ميتواند به طور دائم داده هاي آزمايش را جمع آوري كند، سيگنال هاي ارتعاش را آناليز كند، مشخصه هاي خطاي بردگاه را استخراج كرده، شكست يا خطاهاي بردگاه را تشخيص داده، در آخر كيفيت بردگاه ها را ارزيابي كند. شبكه عصبي موج ضربه اي كوچك، منطق فازي و شبكه عصبي موج ضربه اي كوچك پويا (ديناميك) به عنوان الگوريتم تشخيص/pro Gnostic بكار گرفته مي شوند.
Abstract
Rolling element bearings are widely used components in industrial equipments and their failure may result in severe damage of critical processes. Bearing plants are required to provide estimated performance data to their customers. These statistically based data are usually got through various testing experiments with product samples via bearing test rig. However, it is usually hard to get convincible results from traditional method due to the limitation of monitoring device and analysis methods. This paper designs an intelligent system for a bearing testing and inspection center of a bearing plant to monitor the health status and' assess thc performance of bearings being tested. The system has a distributed infrastructure and can continually collect testing data, analyze vibration signals, extract features of bearing fault, diagnose bearing faults and further assess the quality of the bearings. Fuzzy logic, wavelet neural network and dynamic wavelet neural network are employed as diagnostic/pro gnostic algorithm.