عيب يابي رولربرينگ به كمك اعمال تحريك خارجي و با استفاده از پردازش سيگنال و شبكه عصبي

fault detection roll bearing with the help of applying external excitation by using of Signal Processing and Neural Network

در اين مقاله بررسي رفتار ارتعاشي رولربرينگ در اثر عيب هاي موضعي به روش تجربي انجام گرفته است. عيب يابي از طريق اندازه گيري و پردازش سيگنال هاي ارتعاشي به دست آمده از شتاب سنج هاي نصب شده بر روي ياتاقان ها در دوحالت سالم و معيوب انجام يافته است. نوآوري در روش تجربي اعمال نيروي ارتعاشي به صورت تحريك خارجي بر روي شفت حامل ياتاقان در حين كار بوده و عيب يابي با استفاده از شبكه عصبي (MLP ( Multilayer perceptron با 3:9:3 ميباشد. نتايج به دست آمده نشان مي دهد كه اعمال تحريك خارجي باعث بهبود تشخيص عيب در ساختار ياتاقان ميشود.

In this study, vibration behavior of a roller bearing in topical faults was obtained via experimental study. fault detection was performed through vibration measurement and signal processing obtained from accelerometers mounted on the bearings in healthy and faulty modes. The innovation in experimental method is applying varying lateral load as external excitation to the rotating shaft. The statistical properties of the measured signals were fed to the Neural Network as inputs to the MLP with 3: 9: 3 structure. It was concluded that the external excitation to improves the bearing fault detection scheme.