عيب‌يابي خودكار كمپرسور سه‌باله‌اي با استفاده از تبديل موجك و ماشين بردار پشتيبان

Automated Fault Detection of Tri-Lobe Compressor Using Wavelet Transformation and Support Vector Machine

در این مقاله روشی ارائه شده است كه بتوان با آموزش یك سیستم هوشمند، ماشین¬آلات صنعتی را به‌صورت خودكار عیب¬یابی كرد. یك كمپرسور سه‌باله¬ای به‌عنوان نمونه¬ای از یك ماشین صنعتی مورد استفاده قرار گرفت. روش ارائه‌شده برای آموزش سیستم هوشمند از مرحلۀ داده¬برداری، تحلیل سیگنال و سیستم هوشمند تشخیص الگو تشكیل شده است. در گام اول با داده¬برداری از سیگنال شتاب كمپرسور سالم و كمپرسور با عیوب متفاوت، داده¬های موردنظر برای شروع پردازش سیگنال حاصل شدند. پس از تحلیل داده¬ها و یافتن معیار تشخیص الگوی عیوب، یك ماشین بردار پشتیبان برای تفكیك عیوب، آموزش داده شد. روش ارائه‌شده در پایان آزمایش گردید و نتایج حاصل از سیستم آموزش دیده، عیوب را به‌صورت كامل و صحیح تفكیك كرد.

In order to diagnose the faults of industrial rotating machines automatically, an expert system is used in this paper. A tri-lobe roots blower compressor is used as a test rig to represent an industrial machine. The proposed method for training the expert system includes: data acquisition, signal processing and intelligent pattern recognition stages. Acceleration signals of healthy and faulty compressor components were acquired in the first stage. The signals were conditioned to be used for the signal processing as the next stage. It is necessary to find pattern recognition criterion of the compressor fault diagnosis. Therefore feature extraction of data was performed as part of the second stage. In the third stage, a support vector machine tool was trained and employed to classify the faults. The proposed procedure was tested and the obtained results showed that this algorithm works very well and it fully classifies the faults automatically.