کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6855940 1437698 2018 47 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
A fuzzy transition based approach for fault severity prediction in helical gearboxes
ترجمه فارسی عنوان
یک رویکرد مبتنی بر انتقال فازی برای پیش بینی شدت گسل در گیربکس های سیلیکونی
کلمات کلیدی
احتمال انتقال فازی، پیش بینی فازی، پیش بینی سختی گسل، طبقه بندی سختی گسل، تشخیص و تشخیص گسل،
ترجمه چکیده
ماشین دوار، یک دستگاه مهم پشتیبانی از فرایندهای تولید است، و تحقیقات گسترده ای برای شناسایی و تشخیص گسل ها در چنین ماشین آلات اختصاص داده شده است. به تازگی، پیش آگهی و مدیریت سلامت در ماشین آلات چرخش توجه زیادی به عنوان یک منطقه تحقیقاتی دریافت کرده و برخی پیشرفتهای در این زمینه بر ارزیابی شدت خطا و پیش بینی آن تمرکز دارند. این مقاله یک مدل مبتنی بر گذار فازی برای پیش بینی شرایط سخت گسل در چرخ دنده های مارپیچ استفاده می کند. این رویکرد، مدل های مامدانی و خوشه بندی سلسله مراتبی را برای تخمین درجه عضویت به سطح شدت گسل نمونه های استخراج شده از سیگنال های ارتعاش تاریخی، ترکیب می کند. این درجه عضویت به منظور برآورد گذار فازی وزن برای مدل سازی تکامل در امتداد حالت های شدت گسل در طول زمان مورد استفاده قرار می گیرد، با توجه به مسیر تخریب خاص. مدل فازی به دست آمده می تواند با استفاده از سطوح شدت در دو نمونه ورودی پیوندی موجود، پیش بینی درجه عضویت یک مرحله به جلو را به سطوح شدت حالت شکست در مطالعه، با استفاده از درجه های عضویت فعلی و قبلی تبدیل کند. این مدل پیش بینی فازی با استفاده از داده های واقعی بدست آمده از یک تست تست با آسیب های مختلف شکستن دندان در چرخ دنده های حلزونی مورد تایید قرار گرفت. نتایج نشان می دهد که پیش بینی های کافی برای دو سناریو مسیرهای تخریب گسل.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
چکیده انگلیسی
Rotating machinery is an important device supporting manufacturing processes, and a wide research works are devoted to detecting and diagnosing faults in such machinery. Recently, prognosis and health management in rotating machinery have received high attention as a research area, and some advances in this field are focused on fault severity assessment and its prediction. This paper applies a fuzzy transition based model for predicting fault severity conditions in helical gears. The approach combines Mamdani models and hierarchical clustering to estimate the membership degrees to fault severity levels of samples extracted from historical vibration signals. These membership degrees are used to estimate the weighted fuzzy transitions for modelling the evolution along the fault severity states over time, according to certain degradation path. The obtained fuzzy model is able of predicting the one step-ahead membership degrees to the severity levels of the failure mode under study, by using the current and the previous membership degrees to the severity levels of two available successive input samples. This fuzzy predictive model was validated by using real data obtained from a test bed with different damages of tooth breaking in the helical gears. Results show adequate predictions for two scenarios of fault degradation paths.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Fuzzy Sets and Systems - Volume 337, 15 April 2018, Pages 52-73
نویسندگان
, , , , , ,