شکل ۲-۶: میز آزمون جهت تحصیل داده‌های ارتعاشی [۷۹]
سیگنال‌های به‌دست‌آمده تحلیل و بررسی شدند. داده‌ها توسط دستگاه ارتعاشسنج (X-Viber) ثبت شد. جهت تحلیل، داده‌ها به نرم‌افزار تحلیلگر ارتعاشی (X-Trend) منتقل گردید. سیگنال‌های ارتعاشی برای تمامی حالت‌ها جمع آوری شدند. نتایج آزمون‌ها نشان داد که آنالیز ارتعاشات به‌منظور عیب‌یابی جعبهدنده با عیوب مختلف، دارای توانایی قابل‌ملاحظه‌ای است. در آخر یک سیستم طبقه‌بندی بر اساس ترکیبی از تشخیص ارتعاش و شبکه‌های عصبی مصنوعی، برای طبقه‌بندی سه وضعیت چرخ‌دنده سالم، سائیده و شکسته جعبهدنده ارائه دادند. مجموعاً ۴۸۹ ویژگی برای طبقه‌بندی انتخاب شد. ساختار شبکه‌های عصبی برای طبقه‌بندی ۴۸۹-۱۰-۳ انتخاب شد. دقت سیستم به‌طور متوسط ۱۴/۸۷ درصد بدست آوردند [۷۹].
(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))
معصومی (۱۳۸۹)، تشخیص عیب‌های مکانیکی را مورد تحلیل حرارتی قرار داد. عیب‌های مکانیکی در این پژوهش شامل تشخیص خرابی سوپاپ کمپرسور رفت و برگشتی، وجود مشکل در مسیر فرآیندی یک مبدل و تشخیص عدم کارکرد مناسب روان کار در یک جعبهدنده بود. در این تحقیق جهت اندازه‌گیری پارامترهای مختلف حرارتی از دوربین ترموگرافی استفاده گردید. نتایج به‌دست‌آمده نشان داد که: ۱- در تجهیزات مکانیکی رفت و برگشتی تحلیل رفتار دمایی اجزاء آنها در کنار دیگر پارامترهای قابل اندازه‌گیری به شخص تحلیل‌کننده کمک زیادی می‌کند تا در مورد خرابی‌های آن اظهار نظر کند. ۲- در شرایطی که از نظر ایمنی و یا مسائل دیگر دسترسی به تجهیزات جهت دادهبرداری امکان‌پذیر نیست دوربین ترموگرافی به‌راحتی اطلاعات مناسب را در اختیار کاربر قرار داده تا در آنالیز خرابی‌های آنها استفاده شوند [۵۳].
علیزاده و احمدی (۱۳۸۹)، پایش وضعیت موتور دیزل با تحلیل روغن را موردمطالعه قرار دادند. در این تحقیق با بهره گرفتن از نتایج تحلیل روغن موتور کامیون به عیب‌یابی موتور دیزل پرداختند. داده‌های استفاده شده در این تحقیق از واحد انفورماتیک شرکت البرز تدبیر کاران گرفته‌شده که شامل مقادیر عناصر فرسایشی و مؤلفه‌های موجود در روغن به همراه نظر تحلیلگر آزمایشگاه در مورد هرکدام از عناصر و وضعیت کلی موتور بود. موارد مورد مطالعه در تحلیل روغن، شامل: آهن، آلومینیوم، کروم، سرب، مس، سیلیس، گرانروی، درشتی ذرات آهنی، عدد قلیایی و آلودگی آب می‌باشند. داده های موتور کامیون بنز ۲۶۲۸ را مورد تحلیل قرار دادند. وضعیت کلی فرسایش موتور خودروی موردنظر بررسی نمودند. از این رهگذر یک ارزیابی کلی از وضعیت فرسایشی به دست آمد و امکان بهره برداری از نتایج حاصله به‌منظور اصلاح و یا اعمال دقت در برنامه‌ی پایش وضعیت خودروها به وجود آمد. با بهره گرفتن از نتایج حاصل از این تحقیق، شاخص‌های فرسایشی موتور برآورد و مورد بررسی قرار گرفت؛ بنابراین نتیجه کلی این تحقیق بدین‌صورت بود که با بهره گرفتن از یافته‌های تحلیل روغن می‌توان عیوب موتور دیزل را تشخیص و پیش‌بینی نمود [۲۶].
عدنانی (۱۳۸۹)، به‌منظور عیب‌یابی و بهبود عملکرد موتور کامیون فوق سنگین کشنده ماک[۶۶] روغن آن را مورد پایش وضعیت قرار دادند. پایش به‌صورت نمونه‌گیری دورهای از روغن‌موتور کامیون، اتخاذ تدابیر و روش‌هایی جهت بهبود وضعیت عملکرد موتور خودرو است که درنهایت وضعیت موتور از حالت نامطلوب به حالت مطلوب تبدیل شد. بنابراین با نمونه‌گیری دورهای از روغن‌موتور، ارسال آنها به آزمایشگاه، تحلیل نتایج به‌دست آمده و تصمیم‌گیری‌های درست در این زمینه، طرح مذکور به مرحله اجرا درآمد. با بهره گرفتن از نتایج حاصله و به کار بردن روشهای لازم و درست، به میزان قابل‌توجهی از بروز صدمات احتمالی به موتور و هزینه‌های گزاف مربوط به تأمین قطعات یدکی، تعمیرات موتور، صرف زمان، توقف‌های غیرضروری و به‌کارگیری نیروی انسانی بیشتر جلوگیری نمود [۴۷].
خدائی و رفیعیان (۱۳۸۹)، باهدف شناسایی عیوب جعبهدنده، سیگنال ارتعاشی را تحلیل نمودند. به همین دلیل از جعبه‌دنده‌ی تک سرعت در دو حالت سالم و معیوب (دندانه‌ی سائیده، نیمه شکسته و تمام شکسته) و در هر حالت در دو وضعیت خشک و روغن‌کاری شده، دادهبرداری و با روشهای مختلف، پردازش سیگنال انجام دادند. پس از بررسی داده‌ها این نتیجه‌گیری انجام شد که برای شناسایی عیب سایش، پردازش‌ها در حوزه‌ی فرکانس و برای عیوبی که ماهیت ضربه‌ای دارند، پردازش‌ها در حوزه‌ی زمان مناسبتر است. برای شبیه‌سازی وضعیت عیوب موجود در جعبهدنده در یک محیط آزمایشگاهی از دستگاه شبیه‌ساز عیب چرخ‌دنده استفاده نمودند. این دستگاه شبیه‌ساز از دو بخش مکانیکی و الکتریکی تشکیل‌شده بود. بخش مکانیکی آن شامل میز صلب، محور، یاتاقانها، پولی، تسمه و جعبه‌دنده‌ی تک سرعته بود. در قسمت الکتریکی وسایلی چون موتور الکتریکی متناوب، رایانه‌ی همراه، حسگر شتابسنج و تاکومتر بود. با توجه به نتایج به‌دست آمده نتیجه‌گیری کردند که در حالت کلی میزان دامنه‌ی سیگنال ارتعاشی در وضعیت خشک نسبت به دامنه سیگنال در وضعیت روغن‌کاری شده بیشتر است. همچنین گزارش دادند که در حالت جعبه‌دنده‌ی سالم، فرکانس درگیری چرخ‌دندهها، در نمودار فرکانسی خود را نشان میدهد. برای عیب سایش، پردازش‌ها در حوزه‌ی فرکانس و برای عیوبی که ماهیت ضربه‌ای دارند مثل دندانه‌ی نیمه شکسته و تمام شکسته، پردازش‌های به‌کاررفته در حوزه‌ی زمان می‌توانند بیشتر مفید باشند [۴۸].
موسوی و همکاران (۱۳۸۹)، رفتار ارتعاشی یاتاقان‌های نامرغوب و روشهای شناسایی آنها را مورد بررسی قراردادند. در این پژوهش با دادهبرداری ارتعاشی از یاتاقان‌های مختلف بر روی تجهیزاتی شامل الکتروموتور، گیربکس کاهنده و همزن، خرابی یاتاقان دارای رفتار ارتعاشی استاندارد نبود و ارتعاشات آن به‌سرعت پیشرفت نمود. روند افزایش ارتعاشات ناشی از یاتاقان نامرغوب مشاهده و اندازه‌گیری گردید. با بررسی‌های انجام شده بر روی طیف‌های فرکانسی، خرابی یاتاقان تشخیص داده شد. لذا شناسایی آن پیش از نصب و حتی پس از نصب می‌تواند کمک شایانی در استمرار تولید داشته باشد. در این تحقیق هدف یافتن روش مناسب برای تشخیص هر عیب با بهره گرفتن از آنالیز سیگنال ارتعاشی است. به همین دلیل از جعبه‌دنده‌ی تک سرعته در دو حالت سالم و معیوب (دندانه‌ی سایش یافته، نیمه شکسته و تمام شکسته) و در هر حالت در دو وضعیت خشک و روغن‌کاری شده، دادهبرداری و با روشهای مختلف، پردازش سیگنال انجام دادند. با توجه به نتایج به‌دست آمده می‌توان نتیجه‌گیری کرد که در حالت کلی میزان دامنه‌ی سیگنال ارتعاشی در وضعیت خشک نسبت به دامنه سیگنال در وضعیت روغن‌کاری شده بیشتر است. پس از بررسی داده‌ها این نتیجه به دست آمد که برای عیب سائیدگی، پردازش‌ها در حوزه‌ی فرکانس و برای عیوبی که ماهیت ضربه‌ای دارند مثل دندانه‌ی نیمه شکسته و تمام شکسته، پردازش‌های به‌کار رفته در حوزه‌ی زمان می‌توانند بیشتر مفید باشند [۴۵].
در مطالعه‌ای که حسین پور[۶۷] و همکاران (۲۰۱۱)، انجام دادند. آنان سامانه صوتی هوشمند برای جداسازی سریع کلوخ از سیب‌زمینی ارائه شد. در این راستا یک سامانه آزمایشگاهی طراحی و امکان استفاده از آزمون پاسخ آکوستیک برای جداسازی سریع کلوخ از سیب‌زمینی موردمطالعه قرار گرفت. نمونه‌هایی از سیب‌زمینی و کلوخ روی نوار نقاله قرار داده شد. با راه‌اندازی نقاله، نمونه‌ها به‌طور گسسته با یک صفحه فولادی برخورد کردند. صدای حاصل از ضربات ضبط‌شده و با پردازش آن در دو حوزه زمان و فرکانس، صفات مربوط به نمونه‌ها استخراج گردید. مدل‌های مختلفی از شبکه عصبی با معیار میانگین مربعات خطا، میزان شناسایی صحیح و ضریب همبستگی مورد ارزیابی قرار گرفت تا مدل بهینه انتخاب گردد. برای مطالعه اثر سرعت اصابت در دقت شناسایی و تعیین ظرفیت جداسازی مجموعه، آزمایش در چهار سرعت مختلف از نوار نقاله تکرار گردید. هنگامی‌که نوار نقاله با سرعت یک متر بر ثانیه حرکت کرد، دقت شناسایی سامانه برای سیب‌زمینی و کلوخ ۳/۹۷ و ۶/۹۷ به دست آوردند [۸۱].
ذاکری[۶۸] (۲۰۱۱)، رفتار دینامیکی تسمه‌ی متعلقات موتور را با نرم‌افزار آدامز[۶۹] شبیه‌سازی کرد. آنها نتایج خود را با نتایج آزمون تجربی مقایسه نمودند. در این تحقیق سیستم محرک تسمه‌ای موتور پرخوران باقدرت ۱۵۰ اسب بخار با تمام مصرف‌کننده‌ها (پمپ فرمان، آلترناتور، کمپرسور کولر و پمپ آب) موردبررسی قرار دادند. این سیستم در نرم‌افزار آدامز مدل شد. نتایج حاصل از آن درزمینه‌ی ارتعاشات تسمه، نیروی یاتاقانی هرز گردها، لغزش تسمه و دامنه حرکت تسمه سفت کن با نتایج آزمایشگاهی مقایسه کردند. با بررسی این نتایج، بیشترین در صد خطای نرم‌افزار نسبت نتایج آزمایش برای دامنه حرکت تسمه سفت کن در حدود ۷ درصد، برای نیروی یاتاقانی در حدود ۱۰ در صد، برای ارتعاشات تسمه در حدود ۳ درصد و برای لغزش تسمه در حدود ۳ درصد است. آنها همچنین گزارش دادند که با در نظر گرفتن عواملی مانند تلرانس اندازه قطعات، تلرانس موقعیت نصب قطعات، تلرانس لنگی پولی‌ها و همچنین تلرانس مشخصات فیزیکی این قطعات مانند جرم و اینرسی می‌توان درصدی از اختلاف بین نتایج نرم افزار و نتایج آزمایشگاهی را متعلق به این عوامل دانست [۱۰۱].
سید علیان و محجوب مقدس (۱۳۹۱) تحلیل تئوری، عددی و تجربی ارتعاشات پیچشی میل‌لنگ خودرو را مورد بررسی قرار دادند. در این تحقیق ارتعاشات پیچشی میل‌لنگ دو نوع خودروی رنو و پژو را محاسبه کردند. تحلیل عددی با نرم‌افزار انسیس[۷۰] انجام دادند. همان‌طوری که شکل ۲-۷ نشان میدهد، در تحلیل تجربی برای تعیین فرکانس طبیعی میل‌لنگ می‌توان شتابسنجی را به میل‌لنگ متصل کرده و با ضربه چکش به یک قسمت از آن، فرکانس‌های طبیعی را به دست آورد. نتایج به‌دست آمده از تحلیل تئوری و عددی با آزمون تجربی مقایسه گردید. با انتخاب بهترین مدل، اثر دور موتور در ارتعاشات پیچشی میل‌لنگ بررسی شد. با بررسی و مقایسه نتایج سه روش یاد شده، بهترین مدل جهت طراحی میل‌لنگ و بررسی اثرات دورهایی از موتور که در آنها ارتعاشات پیچشی عامل تشدید هستند، به دست آوردند [۴۳].
شکل ۲-۷: آزمون ارتعاشات پیچشی میل‌لنگ خودرو [۴۳]
نصیری و همکاران (۱۳۹۱) تشخیص عدم احتراق[۷۱] در سیلندرهای یک و چهار از طریق پردازش سیگنال‌های ارتعاشی موجود در بلوکه سیلندر موتور از طریق حسگر ضربه را موردبررسی قراردادند. ابتدا عیب عدم احتراق در موتور به‌طور عمدی ایجادشده و سپس با بهره گرفتن از کارت دیتا و چهار عدد حسگر ضربه، داده‌های مربوط به سیگنال‌های ارتعاشی بدنهی سیلندر موتور را جمع آوری کردند. سپس تحلیل‌های موردنیاز به‌منظور ایجاد اطلاعات ورودی به شبکه عصبی به‌وسیله نرم‌افزار متلب[۷۲] انجام دادند. در ادامه با بهره گرفتن از شبکه عصبی و به دست آوردن بردار ویژگی مناسب، حالت‌های سالم و معیوب را با دقت بالا تشخیص دادند. نتایج این تحقیق نشان داد که قابلیت تشخیص عدم جرقه در سیلندر یک و چهار به کمک شبکه عصبی با دقت ۱۰۰ درصد امکان پذیر است [۳۷].
سریدهار و کریشنان[۷۳] (۲۰۰۱۲)، در مورد پایش وضعیت موتورهای احتراق داخلی بزرگ با بهره گرفتن از انتشار صدا تحقیق نمودند. یکی از خرابی‌های مهم در موتورهای بزرگ سایش در سیلندر است. سایش به علت عدم روان کاری و می‌تواند بدون هشدار قبلی رخ دهد. تحقیق آنها نشان داد که سیگنال‌های صوتی منتشرشده، زمانی که در حوزه فرکانس مورد تجزیه و تحلیل قرار گیرند. می‌تواند نشانه‌های تغییرات در روان کاری داخل سیلندر موتورهای اشتعال تراکمی را مشخص نماید. به‌منظور دادهبرداری سیگنال‌های صوتی منتشر شده‌ی موتور ۱۰ سیلندر، از سنسور صوتی (پیزوالکتریک) همراه با فیلتر و تقویت‌کننده سیگنال و کارت صدا، استفاده گردید. فرکانس انتشار صدای موتر دیزل دریایی در محدوده ۲۰-۳۰۰ کیلوهرتز تعیین کردند. فرکانس‌های انتشار صدا در سه سطح روغن و ۵ گستره فرکانسی مورد بررسی قرار دادند؛ نتایج نشان داد که انرژی صوتی به‌طور معکوس با سطح روغن روان کننده تغییر می‌کند. این امر به دلیل ا افزایش اصطکاک و کاهش سطح روان کاری روغن است. اگرچه تمام گروه‌ها باند فرکانسی افزایش انرژی صوتی را به دلیل کاهش سطح روغن نشان دادند؛ اما گستره ۲۰-۳۰ کیلوهرتز تغییرات در سطح روغن را بهتر نشان داد [۷۲].
احمدی و همکاران (۱۳۹۱)، نگهداری و تعمیرات الکتروپمپهای ایستگاه‌های پمپاژ شرکت آبفای شیراز را مبتنی بر پایش وضعیت ارتعاشی موردمطالعه قراردادند. در اجرای پایش وضعیت الکتروپمپها به ترتیب اقدامات زیر صورت گرفته است: ۱- لیست الکتروپمپهای مشمول در برنامه پایش وضعیت و شناسنامه آنها تهیه شد. ۲- تکنیک‌ها برای پایش وضعیت هر تجهیز انتخاب شد. ۳- تعداد و محل‌های دادهبرداری و دوره دادهبرداری تعیین شد. ۴- امکانات موردنیاز برای دادهبرداری تأمین شد. در این روش نگهداری و تعمیرات مشخصه های موردنظر تجهیزات ازجمله ارتعاش، حرارت و دیگر خواص مورد نظر به‌صورت انفرادی و یا دسته‌جمعی مورد آزمایش قرار دادند. جمع آوری اطلاعات، از جمله داده‌های منتج از اندازه‌گیری ارتعاشات و ترموگرافی، مرحله اول کار را تشکیل می‌داد. نتایج این تحقیق نشان داد که اجرای مداوم و عمل به نتایج گزارش‌های پایش وضعیت می‌تواند در میان‌مدت نتایج بسیار مثبتی را برای حفظ و نگهداری این سرمایه‌های استراتژیک کشور به همراه داشته باشد [۳۳].
در تحقیقی جعفری[۷۴] و همکاران (۲۰۱۲)، عملکرد و سلامت سنجی تسمه‌ی متعلقات موتور احتراق داخلی در شرایط بحرانی را مورد ارزیابی قرار دادند. در این تحقیق عملکرد این قسمت از موتور هنگام آزمونی شتابدار و طولانی‌مدت بررسی کردند. در هنگام آزمون متغیرهای مختلف اندازه‌گیری شد. این اندازه‌گیری‌ها شامل ویژگی‌های تسمه مانند طول، جرم و سختی آن و متغیرهای حاصل از عملکرد تسمه مانند جریان مولد برق و فشار کمپرسور کولر می‌باشند. همچنین مقدار لغزش تسمه، به‌وسیله مقایسه سرعت دورانی چرخ تسمه‌ها در دو حالت نظری و واقعی انجام گردید. نتیجه‌گیری نهایی که از مقایسه‌ی ویژگی‌های تسمه در هنگام آزمون به دست آمد، نشان داد که متغیرهای طول، نوسانات و سختی تسمه روی یکدیگر اثر متقابل دارند و افزایش هر یک موجب افزایش بقیه متغیرها می‌گردد. همچنین نتیجه گرفتند که فشار کمپرسور به‌شدت تحت تأثیر طول تسمه است به‌نحوی‌که فشار بیشینه‌ی تولیدشده به‌توسط کمپرسور کولر تا ۴ بار کاهش داشته است [۱۰۲].
خالصی[۷۵] و همکاران (۲۰۱۲) یک روش اقتصادی و غیر مخرب برای تشخیص کیفیت مغز گردو به کمک تکنیک‌های صوتی ارائه دادند. آنها ارقام گردو را با بهره گرفتن از صدای ضربه و شبکه‌های عصبی تعیین کردند. در این تحقیق از گردوی رقم پوست سنگی و کاغذی جهت انجام آزمایش استفاده گردید. به‌منظور توسعه مدل شبکه عصبی مصنوعی درمجموع از ۲۰۰۰ نمونه برای هر رقم، ۴۰۰۰ سیگنال صدای گردو ثبت شد. نسبت وزن مغز به وزن پوسته عامل تعیین‌کننده‌ای برای کیفیت گردو محسوب می‌شود که می‌توان آن را به چگالی جرم ویژه گردو نسبت داد. در این راستا با به دست آوردن چگالی گردو جرم ۱۴۲۰ گردو با بهره گرفتن از یک ترازوی دیجیتالی اندازه‌گیری و حجم نیز به روش اندازه‌گیری ابعادی محاسبه گردید. سپس چگالی گردوها تعیین شد. گردوها با سقوط روی یک صفحه فولادی مورد آزمایش قرارگرفته و صدای حاصل از برخورد توسط یک میکروفون که در زیر صفحه تعبیه‌شده بود، برای ذخیره و پردازش بعدی به رایانه منتقل کردند. صفات مؤثر از آنالیز سیگنال حاصل از ضربه در حوزه زمان و فرکانس استخراج شد. درمجموع ۶۲ ویژگی با بهره گرفتن از روش آماری تحلیل مؤلفه‌های اصلی[۷۶] ترکیب و پس از نرمال شدن به‌عنوان ورودی به شبکه عصبی داده شد. مدل‌های مختلف شبکه عصبی هرکدام با تعداد نورون‌های متفاوت در لایه پنهان آموزش دادند. الگوی شبکه عصبی مصنوعی نرخ طبقه بندی صحیح برای دو نوع گردو، سنگی و کاغذی به ترتیب ۵۶/۹۶ و ۶۴/۹۹ درصد بود [۹۲].
زارعی[۷۷] (۲۰۱۲) روشی جدید بر مبنای تشخیص الگو با بهره گرفتن از شبکه عصبی مصنوعی برای آشکارسازی و دسته‌بندی عیوب بلبرینگ‌های موتور القایی ارائه داد. شبکه عصبی توسط یک دسته داده آزمایشگاهی با مشخص بودن محل عیب آموزش دادند. قسمت دیگر از داده را برای آزمون شبکه به‌کار بردند. در این روش خصوصیات حوزه زمان و فرکانس سیگنال ارتعاشات بدنه موتور استخراج و به‌عنوان ورودی شبکه عصبی استفاده کرد. سه حالت سالم، عیب رینگ بیرونی و عیب رینگ داخلی با استفاده الگوریتم پیشنهادی طبقه بندی کرده و نوع عیب را مشخص نمودند. نتایج آنها نشان داد که الگوریتم‌های تشخیص الگو با بهره گرفتن از خصوصیات حوزه زمان می‌تواند محل عیب را با دقت بالا و بدون نیاز به محاسبات پیچیده مشخص کند. از آنجا که به دست آوردن ویژگی‌های حوزه زمان ساده‌تر و حجم محاسبات کمتری دارد. بنابراین استفاده از آن برای دسته‌بندی عیوب مختلف بلبرینگ‌ها پیشنهاد نمودند [۹۸].
در تحقیق موسویان و همکاران (۱۳۹۱)، روشی برای شناسایی عیب در شمع موتور بنزینی بر پایه‌ی داده‌های ارتعاش به کمک شبکه‌ی عصبی ارائه شد. همان‌طوری که در شکل ۲-۸ نشان داده شده است، در این تحقیق آزمایش‌ها بر روی موتوری چهار سیلندر بنزینی انجام شد.
شکل ۲-۸: موتور آزمون برای تشخیص عیب شمع [۴۱]
برای دریافت داده‌های ارتعاش، یک حسگر شتاب سنج (PCB 357B11) روی سر سیلندر موتور و نزدیک به سیلندر شماره یک به‌طور افقی نصب شد. داده‌های ارتعاش نامطلوب منتشره از موتور با بهره گرفتن از تبدیل موجک و به‌کارگیری موجک میر، حذف شدند. در مرحله‌ی استخراج ویژگی، خصوصیات مختلف داده‌ها در حالات سالم و معیوب اخذ شدند. این خصوصیات در نمایان کردن عیب در داده‌ها تأثیر چشمگیری دارد. شبکه‌ی عصبی با ساختار سه لایه به کمک داده‌های آموزش و آزمایش، تحت فرآیندهای آموزش، اعتبارسنجی و آزمون قرار گرفت. آنان دقت ۱۰۰ درصد را برای تشخیص عیب شمع موتور به دست آوردند. بنابراین گزارش دادند روش ارائه شده، قابلیت خوبی در شناسایی این نوع عیب دارد. همچنین نتیجه گرفتند که استفاده از روشهای حذف نوفه، استخراج ویژگی‌های آماری و شبکه‌ی عصبی برای عیب‌یابی موتور است. بعلاوه یاد آور شدند که رفتار ارتعاشی موتور متغیر مناسبی برای اهداف عیب‌یابی است [۴۱].
رضایی[۷۸] (۲۰۱۲)، به تحلیل خرابی محافظ (سپر) حرارتی یک موتور تحت بارهای ارتعاشی به روش اجزای محدود و تجربی پرداخت. مدل‌سازی شکل‌های محافظ حرارتی اگزوز در نرم‌افزار آباکوس[۷۹] با مش بندی و اعمال شرایط مرزی صورت گرفت. به‌منظور بررسی رفتار ارتعاشی محافظ حرارتی و تأیید نتایج نرم‌افزار اجزاء محدود، آزمایش عملی ارتعاش موتور را نیز انجام داد. برای این هدف، دو حسگر شتابسنج روی محافظ حرارتی و یک شتابسنج بر روی سرسیلندر موتور نصب نمود. برای بررسی رفتار ارتعاشی به‌صورت تجربی، لازم بود که موتور در همه سرعت‌های کاری قرار گیرد. بدین منظور موتور در وضعیت تمام بار، با یک بارگذاری صعودی ۶۰ ثانیه‌ای از سرعت ۱۵۰۰ تا ۵۵۰۰ دور در دقیقه بارگذاری شده و با فرکانس ۴ کیلوهرتز دادهبرداری انجام داد. با تحلیل ارتعاشی قطعه از روش اجزای محدود و مقایسه آن با نتایج آزمون تجربی با شتابسنج، می‌توان فرکانس‌های تحریک و شکل مودهای آن را استخراج نمود. بررسی اجزای محدود شکل مودها در این تحقیق نشان داد، که نقاط با بیشترین جابجایی مطابق با خطوط شکست قطعه است. به‌منظور اصلاح قطعه، محل تکیه‌گاه‌ها تغییر و به نقاط با بیشترین جابجایی منتقل شد. با مقید کردن این نقاط، فرکانس تشدید قطعه، افزایش یافته و قطعه در دورهای کاری موتور دچار پدیده تشدید نمی‌گردد. بررسی تجربی آن همچنین نشان داد که نمونه اصلاح شده با موفقیت آزمون دوام را پشت سر گذاشته و هیچ ترکی در این قطعه مشاهده نشد [۹۱].
چن[۸۰] و همکاران (۲۰۱۲)، به عیب‌یابی موتور با بهره گرفتن از ارتعاشات پیچشی و شتاب زاویه‌ای بدنهی موتور پرداختند. در این تحقیق از شبکه عصبی برای ایجاد سامانهی تشخیصی استفاده نمودند. سیستم تشخیص خودکار احتراق ناقص با بهره گرفتن از دو روش، ارتعاشات پیچشی میل‌لنگ و شتاب زاویه‌ای بدنهی موتور را مورد مطالعه قرار دادند. این مجموعه منظم در شبکه‌های عصبی مصنوعی شامل سه مرحله:۱- تشخیص احتراق ناقص، ۲- تشخیص محل احتراق ناقص ۳- تشخیص میزان احتراق ناقص بود. ویژگی‌های انتخاب شده ورودی به شبکه‌های عصب مصنوعی، پس از پردازش سیگنال‌های ارتعاشی از هر دو آزمایش انتخاب گردید. سامانه خودکار تشخیص نشان داد که هر دو روش می‌توانند در تشخیص مراحل فوق مؤثر باشند. همان‌طوری که شکل ۲-۹ نشان میدهد، در این تحقیق برای اندازه‌گیری فرکانس‌های ارتعاشات پیچشی میل‌لنگ و شتاب زاویه‌ای بدنهی موتور از پنج شتاب سنج که روی موتور چهار سیلندر (۳SFE) نصب شده، استفاده کردند [۷۶].
(الف) (ب)
شکل ۲-۹: (الف) محل نصب ارتعاش سنج‌ها (ب) موتور [۶۶]
در تحقیقی تقی زاده علی سرایی[۸۱] و همکاران (۲۰۱۲)، ارتعاشات موتور دیزل با مخلوط‌های سوخت بیودیزل و دیزل را مورد برسی قرار دادند. در این تحقیق ارتعاشات مخلوط‌های مختلف سوخت بیودیزل با دیزل بر روی موتور چهارزمانه ۶ سیلندر پرکینز مدل ۶-۱۰۰۶ با نسبت تراکم ۱۶:۱ و حداکثرتوان ۱۱۰ اسب بخار، قبل و بعد از تعمیر بررسی گردید. نتایج نشان داد که ارتعاش به مقدار چشمگیری بعد از تعمیر موتور کاهش مییابد. مخلوط سوخت به‌طور معنی‌داری بر مقدار ارتعاش تأثیر داشت [۶۶].
جعفری و همکاران (۱۳۹۰) روشی برای تشخیص عیب سائیدگی پیستون با بهره گرفتن از روش انتشار صدا ارائه دادند. هدف از این تحقیق بررسی توانایی روش انتشار صدا در تشخیص این عیب و مطالعه‌ی رفتار موج‌های انتشار صدا قبل و بعد از این عیب بود. برای این منظور در مطالعه‌ای آزمایشگاهی، روی موتور دیزل دو حسگر انتشار را صدا نصب شد. از آن جایی که ایجاد عیب سائیدگی پیستون در شرایط آزمایشگاه به‌راحتی امکان پذیر نیست. آنها با طراحی آزمون ویژه، این عیب به‌صورت تعمدی به وجود آوردند. نتایج این تحقیق نشان داد که بهترین شاخص‌ها برای تشخیص سایش از روش انتشار صدا، ریشه‌ی مجموع مربعات و انرژی مطلق‌اند. همچنین بر اساس روش ارائه‌شده در این تحقیق، توانایی تشخیص محل عیب به‌وسیله دو حسگر از روی وابستگی داده‌ها به میزان سائیدگی، مشخص گردید. نتایج داده‌های انتشار صدا برای تشخیص عیب سائیدگی پیستون در حالت طبیعی کارکرد موتور، نشان داد که همزمان دو حسگر یکی روی بدنه و دیگری روی سرسیلندر موتور وجود داشته باشد تا با مقایسه‌ی آنها و بررسی دیگر مسائل، احتمال وقوع عیب و محل آن با دقت بیشتری اعلام شود [۵۴].
اکبری و همکاران (۱۳۹۱) با بهره گرفتن از تبدیل موجک گسسته و شبکه‌های عصبی به تشخیص عیوب در تجهیزات پرداختند. به‌منظور ارزیابی روش ارائه شده دستگاهی مرکب از یک موتور الکتریکی یک جعبهدنده و یک چرخ طیار ساخته شد. سیگنال ارتعاشات در حوزه زمان توسط یک شتاب سنج نصب‌شده بر روی بدنه جعبهدنده و پوسته یاتاقان اندازه‌گیری کردند. سیگنال‌های اندازه‌گیری بر روی گیربکس برای حالت‌های مختلف شامل چرخ‌دنده سالم، چرخ‌دنده با یک دندانه شکسته و چرخ‌دنده‌ی ساییده و بر روی یاتاقان‌های غتلشی شامل: یاتاقان سالم، یاتاقان با رینگ خارجی معیوب، یاتاقان با رینگ داخلی معیوب و یاتاقان با ساچمه معیوب به دست آوردند. در گام دوم پردازش سیگنال با بهره گرفتن از موجک گسسته انجام دادند [۳۸].
رئوفی[۸۲] و همکاران (۲۰۱۳) پایش ارتعاشات موتور خودرو با بهره گرفتن از نگه‌دارنده‌های فعال را موردبررسی قرار دادند. در این پژوهش، پایش ارتعاشات موتور ملی (EF7)با بهره گرفتن از نگه‌دارنده‌های فعال، با در نظر گرفتن دو سامانه نگه‌دارنده متفاوت بررسی کردند. در سامانه نخست، نگه‌دارنده‌ها مطابق طرح کنونی سامانه نگه‌دارنده‌های موتور ملی قرار گرفته‌اند (سه نگه‌دارنده غیرفعال)، با این تفاوت که نگه‌دارنده روغنی موتور با نگه‌دارنده فعال جایگزین شد. سامانه دیگر دارای چهار نگه‌دارنده شامل دو نگه‌دارنده فعال و دو نگه‌دارنده غیرفعال بود. حرکت پویای موتور با شش درجه آزادی و اتصال یک‌طرفه موتور شبیه‌سازی شد. همچنین، شبیه‌سازی مناسبی برای نگه‌دارنده فعال با عملگر برقی-آهنربایی انتخاب کردند. برای کاهش نیروی نگه‌دارنده‌ها به کفی از روش پایش تطبیقی (کمترین میانگین مربعات با حذف علامت‌های مرجع) که یکی از متداول‌ترین روشهای پایشی بکار رفته در حذف صدا و ارتعاش ناخواسته و مزاحم، استفاده کردند. در این تحقیق دادهبرداری و پردازش سیگنال‌های ارتعاش با بهره گرفتن از پردازش سیگنال دیجیتال انجام دادند. سامانه ارتعاش فعال در واقع، یک سامانه الکترومکانیکی است که با حذف ارتعاش ناخواسته با بهره گرفتن از اصل برهم‌نهی یک سیگنال مناسب ایجاد می کند. این روش با توجه به ماهیت نیروی منتقل‌شونده به شاسی، در قالب روند نوار باریک برای حذف بسامد غالب ارتعاشات نامطلوب موتور استفاده شد. تحقیقات در این مطالعه نشان داد که نیرو و ارتعاشات منتقل‌شده از موتور به این شاسی تقریباً در تمام سرعت‌های موتور کاهش مییابد [۱۰۵].
طوری ثمرین و همکاران (۱۳۹۱)، آنالیز خرابی یاتاقان فن پیش گرم‌کن با بهره گرفتن از تکنیک‌های آنالیز ارتعاشات در کارخانه سیمان شمال واقع در جاده تهران – آبعلی را انجام دادند. برای این منظور با بهره گرفتن از ارتعاشسنج و نرم‌افزار اسپکتراپو[۸۳] از نقاط مختلف ماشین‌های مهم، دادهبرداری کردند. سعی نمودند عیوب ماشینها از قبیل نامیزانی جرمی، عدم هم‌راستایی محورها و خرابی یاتاقان را شناسایی کنند. یکی از این تحلیل‌ها مربوط به خرابی یاتاقان فن پیش گرم‌کن بود. در این تحقیق از طریق اندازه‌گیری ارتعاشات، نقاط مربوط بر روی ماشین‌آلات شناسایی گشته و علامت‌گذاری کردند. اندازه‌گیری‌های اولیه را در بازه‌های زمانی کوتاه مدت انجام دادند. سلامت سنجی ماشین‌آلات، با مقایسه کلی وضعیت ماشین و وضعیت یاتاقان، با حدود استاندارد را انجام دادند. با شناسایی عیوب جدی در مراحل ابتدایی، اقدام به رفع عیوب کرده و دوباره داده برداری نمودند. حدود هشدار و خطر برای معیارهای سلامت سنجی، با توجه به مقادیر کلی ارتعاش ماشین و ارتعاش یاتاقانها در شرایط صحیح را با بهره گرفتن از روشهای آماری تعیین کردند [۱۸].
جلالی ندوشن و طباطبایی (۱۳۹۲) ارتعاشات ماشین لباسشویی را به‌صورت تئوری و تجربی مورد بررسی قرار دادند. آنها در تحقیق خود ارتعاشات مخزن یک ماشین لباسشویی خودکار با محور دوران افقی را محاسبه نمودند. آزمایش عملی ارتعاشات ماشین لباسشویی را با بهره گرفتن از سامانه اندازه‌گیری ارتعاشات و شتابسنج سه محوره‌ی پیزوالکتریک انجام دادند. در تحلیل تئوری معادلات دینامیکی برای حرکت دوبعدی مخزن یک ماشین لباسشویی خودکار در صفحه استخراج‌شده و به‌صورت عددی مورد ارزیابی قرار دادند. نتایج آزمون‌های عملی را با نتایج تئوری مقایسه و نتیجه‌ی آن بیانگر تطابق مناسب روش تئوری و تجربی بود. اختلاف نتایج تحلیل تجربی و تئوری به علت ایدهآل در نظر گرفتن ساخت ماشین لباسشویی و محل قرارگیری جرم عدم توازن است. این مدل تئوری جهت بهینه‌سازی‌های اولیه‌ی سامانه دینامیکی ماشین لباسشویی با سرعت تحلیل بالا و دقت کافی بسیار مفید است [۳۴].
در پژوهشی جعفری[۸۴] و همکاران (۲۰۱۴)، تشخیص خرابی سوپاپ‌ها (دریچه‌ها) را در اثر عیوب مختلف با بهره گرفتن از روش انتشار صدا مورد بررسی قرار دادند. در این تحقیق سه عیب لقی، ترک‌خوردگی و لب‌پریدگی سوپاپ‌ها در موتور احتراق داخلی بررسی کردند. این عیوب در سوپاپ‌های مختلف دود و هوا در سیلندرهای مختلف را بررسی نمودند. آزمون‌ها روی سرسیلندر موتوری چهار سیلندر انجام شد شکل (۲-۱۰).
شکل ۲-۱۰: عیب‌یابی سوپاپ‌ها با روش انتشار صدا [۵۹]
علامت‌های انتشار صدا به سبب نشتی و خرابی دریچه را توسط چهار حسگر انتشار صدا دریافت کردند. بر اساس نتایج، مشاهده کردند که روش انتشار صدا توانایی بسیار بالایی در تشخیص حالت سالم و معیوب در هر دو حوزه زمان و فرکانس دارد. در ادامه برای تشخیص عیوب از یک شبکه مصنوعی عصبی به‌عنوان سامانهی خبره استفاده کردند. هدف اصلی از بررسی انواع عیوب دریچه بررسی توانایی تشخیص و جداسازی آنها به روش انتشار صدا بود. عیب‌های بررسی شده در این بخش شامل لقی، ترک و لب‌پریدگی سوپاپ‌ها بودند. همچنین حالت سالم و بدون نشتی نیز برای مقایسه با نتایج معیوب بررسی کردند. بررسی‌های زمانی و فرکانسی داده‌ها نشان داد، برخی از عیوب شباهت‌های بسیار زیادی ازلحاظ ظاهری دارند که امکان تفکیک آنها با بررسی‌های اولیه وجود ندارد. لذا با بهره گرفتن از شبکه‌های عصبی که توسط ویژگی داده‌های انتشار صدا آموزش داده شده بود، به‌خوبی عیب‌های مختلف دریچه جداسازی کردند. متوسط دقت سامانهی خبره ۹۲% بود [۵۹].
با توجه به بررسی‌های انجام شده و منابع موجود، همان‌طور که مشاهده شد، در پژوهش‌های ذکر شده، تاکنون در زمینه پایش تسمه با بهره گرفتن از صدا و ارتعاش تحقیقی انجام نگرفته است.
فصل سوم
مواد و روش‌ها
۳-۱- مقدمه
پایش وضعیت به‌عنوان یکی از روشهای نگهداری و تعمیرات پیش بینانه امروزه در بیشتر کشورهای دنیا و در صنایع مختلف مورداستفاده قرار می‌گیرد. در این استراتژی نگهداری و تعمیرات مشخصه های موردنظر تجهیزات ازجمله ارتعاش، صدا، حرارت، روغن و دیگر خواص موردنظر به‌صورت انفرادی و یا دسته‌جمعی و یا تعدادی از آنها مورد آزمایش قرار می‌گیرد. این استراتژی بر این باور استوار است که اغلب خرابی‌های ماشین‌آلات و تجهیزات صنعتی، پس از رسیدن به یک مرحله مشخص، نشانه‌هایی از خود بروز می‌دهند که می‌توان این نشانه‌ها را به‌صورت ارتعاشات، صدا، امواج آلتراسونیک، ذرات فرسایشی، دما و غیره تشخیص داده و وقوع خرابی را پیش‌بینی کرد. لذا می‌توان قبل از رسیدن خرابی به مراحل بحرانی، با برنامه‌ریزی فعالیت تعمیراتی و اجرای آن، پیشرفت خرابی را متوقف ساخت. با توجه به نوع دستگاه‌ها و میزان دقت مورد انتظار در برنامه نگهداری و تعمیرات، می‌توان یک یا ترکیبی از روش‌ها را بکار گرفت. تحلیل ارتعاش و صدا از روشهای اصلی پایش وضعیت در نگهداری و تشخیص عیوب ماشین‌آلات و دستگاه‌ها در صنعت می‌باشند. این روش‌ها مزایای منحصر به فردی در پایش و تشخیص عیوب ماشین‌آلات و دستگاه‌ها دارند. تجربه عملی و مروری بر تحقیقات انجام‌گرفته در این زمینه نشان میدهد که تحلیل ارتعاش و صدا در برنامه پایش وضعیت سیستم محرک تسمه‌ای اطلاعات قابل اطمینان و مفیدی را ارائه می‌دهند.
۳-۲- مواد تحقیق
۳-۲-۱- میز آزمون پایش تسمه
