انتخاب توابع ويژگي مناسب براي ايجاد شاخص سلامت در ماشين‌آلات دوار با بهره‌گيري از فلسفه نوين مديريت سلامت پيش‌بينانه

مديريت سلامت پيش‌بينانه (PHM) يك فلسفه نوين در علم نگهداري و تعميرات (نت) است كه به تشخيص و پيش‌آگاهي نارسايي و عيوب در دستگاه‌ها مي‌پردازد. PHM در ماشين‌آلات دوار عموما با تجزيه و تحليل سيگنال‌هاي ارتعاش، انتشار صوت، دما يا آناليز روغن انجام مي‌شود. با در دست داشتن شاخص سلامت مناسب بدست آمده از تجزيه و تحليل سيگنال، مي‌توان نقص سيستم را به موقع تشخيص داد و دستگاه را براي عمليات نت آماده كرد. در اين مقاله، از سيگنال‌هاي انتشار صوتي اسپيندل يك دستگاه فرز براي تشخيص ساييدگي و يا شكستگي ابزار استفاده شده است. ابتدا با تجزيه و تحليل موجك، نويز سيگنال كاهش داده شد تا بتوان با تجزيه و تحليل سيگنال به شاخص سلامت مناسب دست يافت. در اينجا از سه تابع موجك مادر db4 و sym5 و haar و سه روش آستانه گذاري استفاده شده است. تحقيقات نشان داد كه توابع مادر sym5 و haar با روش آستانه‌گذاري penalize low، با 3 سطح تجزيه، كمترين MSE به ترتيب 0.0018 و 0.0019 را دارد. در مرحله بعد، چهارده تابع ويژگي سيگنال، استخراج و با يكديگر مقايسه شدند. از بين توابع مورد بررسي براي شاخص سلامت، نتيجه نشان داد كه ميزان تغييرات از حالت سالم به ناسالم ابزار علاوه بر تابع ميانگين مجذور مربعات (RMS) با 10% تغيير، مربع ريشه سيگنال با 10%، آنتروپي 15%، انرژي 28%، فاكتور ضربه 33%، شاخص بيشينه سيگنال 48% نيز مي‌توانند معيارهاي مناسبي براي شاخص سلامت باشند.