شماره ركورد كنفرانس :
4227
عنوان مقاله :
بررسي تعداد توابع حالت ذاتي مورد استفاده در تشخيص نابالانسي ماشين دوار با استفاده از تجزيه حالت تجربي دسته‌اي و ماشين بردار پشتيبان بهينه
پديدآورندگان :
رهبر محمد arazrahbar@yahoo.com دانشگاه گيلان; , چائي بخش علي chaibakhsh@guilan.ac.ir دانشگاه گيلان; , انصاري رضا r_ansari@guilan.ac.ir دانشگاه گيلان;
كليدواژه :
پردازش سيگنال , تجزيه حالت تجربي دسته‌اي , ماشين دوار , بهينه سازي ازدحام ذرات , نابالانسي , عيب يابي , توابع حالت ذاتي
عنوان كنفرانس :
چهارمين كنفرانس ملي پژوهش هاي كاربردي در مهندسي كامپيوتر و پردازش سيگنال - cesp95
چكيده فارسي :
امروزه ماشين آلات دوار نقش مهمي در كاربردهاي صنعتي ايفا مي‌كنند. تجزيه حالت تجربي دسته‌اي (EEMD) ، يكي از قوي‌ترين روش‌هاي پردازش سيگنال بوده كه به طور گسترده‌اي در شناسايي عيوب ماشين‌هاي دوار اعمال مي‌شود و در تجزيه و تحليل سيگنال‌هاي غيرخطي و غيرثابت مورد استفاده قرار مي‌گيرد. بر اين اساس در اين مقاله، جهت ايجاد عيب نابالانسي، يك دستگاه شبيه ساز عيب در ماشين دوار ساخته شده است. سپس با استفاده از روش EEMDو ماشين بردار پشتيبان (SVM) به تفكيك كلاس سالم از نابالانسي پرداخته شده است. پارامترهاي موثر در ماشين بردار پشتيبان توسط الگوريتم بهينه سازي ازدحام ذرات (PSO) بهينه گشته و تعداد توابع حالت ذاتي شركت كننده در روش هوشمند طبقه بندي كلاس‌ها، مورد بررسي قرار گرفته است. نتايج به دست آمده به خوبي قابليت تشخيص زودهنگام عيب نابالانسي در ماشين‌هاي دوار با استفاده روش پيشنهادي را نشان مي‌دهد.
