شرح مختصر : امروزه پایش وضعیت تولیدات مکانیکی مخصوصاً ماشین های دوار ، به منظور بالا بردن سطح کیفی و اطمینان از صحت عملکرد آنها ، کاربرد زیادی پیدا کرده است . در این راستا سیستم های مبتنی بر هوش مصنوعی به طور گسترده ای برای یافتن عیوب پیش آمده مورد استفاده قرار گرفته اند . ولی پراکندگی موجود در انواع روش های بکارگرفته شده ، انتخاب یک روش کاربردی را مشکل ساخته است . به همین علت در این پژوهش مطالعه ای بر روی طیف وسیعی از این روش ها که اغلب در سال های اخیر مطرح شده اند ، صورت گرفته است .همچنین در رابطه با پیشینه و تئوری آنها مطالبی بیان شده است . سپس برای یافتن راهکاری مناسب ، مزایا و معایب هر روش در جدول هایی گردآوری شده و در نهایت تحت یک مدل مقایسه ای ارزیابی شده اند . تلاش شده این مزایا و معایب بر پایه ی مکتوبات و مستندات سال های اخیر جمع آوری شود . نتایج نشان می دهد که برای یافتن عیوب یک چرخ دنده ، بکار گیری سیگنال ارتعاشی و آنالیز موجک بسته ای به همراه روش PCA برای انتخاب ویژگی های موثر و شبکه ی عصبی برای تفکیک عیوب ، بسیار مناسب می باشد . در پایان این پژوهش برای یافتن سلامت چرخ دنده ی یک جعبه دنده ی نمونه از توالی روش های گفته شده استفاده گردیده و نتایج آن نشان داده شده استفهرست :فصل اول: مقدمهمقدمهاهمیت موضوع تحقیقضرورت انجام تحقیقمراحل انجام تحقیقروشهای موجود و نحوه انجام تحقیقفصل دوم : کلیات تحقیقبخش اول : پیشینه تحقیقمقدمهروش های پردازش سیگنالروش های حوزه زمانروش های حوزه فرکانسروش های زمان فرکانسروش های مبتنی بر هوش مصنوعیبخش دوم : تئوری تحقیقتئوری تحقیقنوع سیگنال نمونه برداری ، صوت یا ارتعاشروش های استخراج ویژگیروش های حوزه زمانروش های حوزه فرکانسروش های زمان فرکانستبدیل موجک پیوستهتبدیل موجک گسستهتبدیل موجک بسته ایروش های انتخاب ویژگیروش الگوریتم ژنتیکروش IDEروش PCAروش های طبقه بندیروش K نزدیک ترین همسایهماشین بردار پشتیبانشبکه های عصبیشبکه های شعاع محوریسیستم استنتاج فازی عصبی تطبیقیساختار ANFISالگوریتم یادگیریفصل سوم : ارائه ی مدل مقایسه ایمقدمهضرورت ارائه مدل در روشهای عیب یابیتفسیر مدل مقایسه ایگام اول : انتخاب نوع سیگنال برداشت شده ، صوت یا ارتعاشگام دوم : انتخاب روش استخراج ویژگی به همراه جداول SWگام سوم : انتخاب روش انتخاب ویژگی به همراه جداول SWگام چهارم : انتخاب روش طبقه بندی به همراه جداول SWگام پنجم : ترکیب روشها و مشخص کردن توالی هاگام ششم : جداول SW سه توالی انتخاب شدهگام هفتم: تحلیل نتایج جداول بر اساس معیارهای هزینه، سرعت ، پیچیدگی و درصد موفقیتارائه مدل مقایسه ای یکپارچه در روشهای عیب یابیفصل چهارم : تجزیه و تحلیل عیوب یک جعبه دنده نمونهمقدمهتوالی منتخبداده های نمونه برداریسیستم داده پرداریآماده سازی داده هااستخراج ویژگیآنالیز موجک بسته ایبردار ویژگی اولیهانتخاب ویژگی های موثرنرمال سازی ویژگی هاماتریس ویژگی نهائیطبقه بندی وضعیت هامعماری شبکه عصبیآموزش شبکهالگوریتم آموزش RPالگوریتم آموزش SCGفصل پنجم : نتیجه گیری و پیشنهاداتمراجع
دانلود پایان نامه روشهای تشخیص و تفکیک عیوب متداول جعبه دنده ها
شرح مختصر : امروزه پایش وضعیت تولیدات مکانیکی مخصوصاً ماشین های دوار ، به منظور بالا بردن سطح کیفی و اطمینان از صحت عملکرد آنها ، کاربرد زیادی پیدا کرده است . در این راستا سیستم های مبتنی بر هوش مصنوعی به طور گسترده ای برای یافتن عیوب پیش آمده مورد استفاده قرار گرفته اند . ولی پراکندگی موجود در انواع روش های بکارگرفته شده ، انتخاب یک روش کاربردی را مشکل ساخته است . به همین علت در این پژوهش مطالعه ای بر روی طیف وسیعی از این روش ها که اغلب در سال های اخیر مطرح شده اند ، صورت گرفته است .همچنین در رابطه با پیشینه و تئوری آنها مطالبی بیان شده است . سپس برای یافتن راهکاری مناسب ، مزایا و معایب هر روش در جدول هایی گردآوری شده و در نهایت تحت یک مدل مقایسه ای ارزیابی شده اند . تلاش شده این مزایا و معایب بر پایه ی مکتوبات و مستندات سال های اخیر جمع آوری شود . نتایج نشان می دهد که برای یافتن عیوب یک چرخ دنده ، بکار گیری سیگنال ارتعاشی و آنالیز موجک بسته ای به همراه روش PCA برای انتخاب ویژگی های موثر و شبکه ی عصبی برای تفکیک عیوب ، بسیار مناسب می باشد . در پایان این پژوهش برای یافتن سلامت چرخ دنده ی یک جعبه دنده ی نمونه از توالی روش های گفته شده استفاده گردیده و نتایج آن نشان داده شده استفهرست :فصل اول: مقدمهمقدمهاهمیت موضوع تحقیقضرورت انجام تحقیقمراحل انجام تحقیقروشهای موجود و نحوه انجام تحقیقفصل دوم : کلیات تحقیقبخش اول : پیشینه تحقیقمقدمهروش های پردازش سیگنالروش های حوزه زمانروش های حوزه فرکانسروش های زمان فرکانسروش های مبتنی بر هوش مصنوعیبخش دوم : تئوری تحقیقتئوری تحقیقنوع سیگنال نمونه برداری ، صوت یا ارتعاشروش های استخراج ویژگیروش های حوزه زمانروش های حوزه فرکانسروش های زمان فرکانستبدیل موجک پیوستهتبدیل موجک گسستهتبدیل موجک بسته ایروش های انتخاب ویژگیروش الگوریتم ژنتیکروش IDEروش PCAروش های طبقه بندیروش K نزدیک ترین همسایهماشین بردار پشتیبانشبکه های عصبیشبکه های شعاع محوریسیستم استنتاج فازی عصبی تطبیقیساختار ANFISالگوریتم یادگیریفصل سوم : ارائه ی مدل مقایسه ایمقدمهضرورت ارائه مدل در روشهای عیب یابیتفسیر مدل مقایسه ایگام اول : انتخاب نوع سیگنال برداشت شده ، صوت یا ارتعاشگام دوم : انتخاب روش استخراج ویژگی به همراه جداول SWگام سوم : انتخاب روش انتخاب ویژگی به همراه جداول SWگام چهارم : انتخاب روش طبقه بندی به همراه جداول SWگام پنجم : ترکیب روشها و مشخص کردن توالی هاگام ششم : جداول SW سه توالی انتخاب شدهگام هفتم: تحلیل نتایج جداول بر اساس معیارهای هزینه، سرعت ، پیچیدگی و درصد موفقیتارائه مدل مقایسه ای یکپارچه در روشهای عیب یابیفصل چهارم : تجزیه و تحلیل عیوب یک جعبه دنده نمونهمقدمهتوالی منتخبداده های نمونه برداریسیستم داده پرداریآماده سازی داده هااستخراج ویژگیآنالیز موجک بسته ایبردار ویژگی اولیهانتخاب ویژگی های موثرنرمال سازی ویژگی هاماتریس ویژگی نهائیطبقه بندی وضعیت هامعماری شبکه عصبیآموزش شبکهالگوریتم آموزش RPالگوریتم آموزش SCGفصل پنجم : نتیجه گیری و پیشنهاداتمراجع