ارائه مدلی هوشمند جهت تشخیص و پیش بینی عیوب در موتورها: تلفیقی از تکنیک پایش وضعیت و شبکه عصبی
عنوان مقاله: ارائه مدلی هوشمند جهت تشخیص و پیش بینی عیوب در موتورها: تلفیقی از تکنیک پایش وضعیت و شبکه عصبی
شناسه ملی مقاله: AMEC01_021
منتشر شده در اولین همایش بین المللی پژوهش های شاخص در مدیریت، حسابداری، بانکداری و اقتصاد در سال 1401
شناسه ملی مقاله: AMEC01_021
منتشر شده در اولین همایش بین المللی پژوهش های شاخص در مدیریت، حسابداری، بانکداری و اقتصاد در سال 1401
مشخصات نویسندگان مقاله:
سعید خلیلی - پژوهشگر و دانشجوی دکتری مهندسی صنایع، دانشکده فنی و مهندسی، دانشگاه جامع امام حسین (ع)، تهران، ایران
مهدی بهرامپور - پژوهشگر، دانشکده فنی و مهندسی، دانشگاه جامع امام حسین (ع)، تهران، ایران
مهدی طبری - پژوهشگر، دانشکده فنی و مهندسی، دانشگاه جامع امام حسین (ع)، تهران، ایران
میثم صداقت - پژوهشگر، دانشکده فنی و مهندسی، دانشگاه جامع امام حسین (ع)، تهران، ایران
خلاصه مقاله:
سعید خلیلی - پژوهشگر و دانشجوی دکتری مهندسی صنایع، دانشکده فنی و مهندسی، دانشگاه جامع امام حسین (ع)، تهران، ایران
مهدی بهرامپور - پژوهشگر، دانشکده فنی و مهندسی، دانشگاه جامع امام حسین (ع)، تهران، ایران
مهدی طبری - پژوهشگر، دانشکده فنی و مهندسی، دانشگاه جامع امام حسین (ع)، تهران، ایران
میثم صداقت - پژوهشگر، دانشکده فنی و مهندسی، دانشگاه جامع امام حسین (ع)، تهران، ایران
هر چند امروزه به کارگیری فناوری مراقبت وضعیت از طریق آنالیز روغن، به عنوان روش موثری در تشخیص فرسایش های غیرعادی یا عیوب تجهیزات و سیستم های مکانیکی شناخته می شود، باید توجه داشت که در فرآیند تحلیل و تفسیر نتایج آنالیز روغن، مسائلی نظیرتحقیق به بررسی کارکرد فرسایشی موتورها و ارزیابی و تحلیل رابطه بین وضعیت نهایی موتور و وضعیت مولفه های مورد تحلیل در آنالیز روغن، پرداخته می شود. تحلیل و بررسی این موضوع که مولفه های موثر در تحلیل وضعیت موتور، کدام و میزان تاثیر آنها چقدر است، مورد بررسی قرار می گیرد. شاخص های مورد مطالعه در آنالیز روغن عبارتند از: فلزات فرسایشی نظیر آهن، آلومینوم، سرب، مس، قلع، کروم، PQ، ویسکوزیته، سیلیسم. مقادیرداده های عناصر فرسایشی موتور لودر کاترپیلر ۹۶۶ با توجه به داده کاوی و مدل های شبکه عصبی، به عنوان نمونه مورد تحلیل قرار گرفته و نتایج آن بیان شده است. یافته های این مطالعه نشان می دهد الگوهای خاصی متناسب با مولفه های روغن وجود دارد و با توجه به حجم داده ها و ابزارها و شاخص های مرتبط، قواعد مناسب را می توان استخراج نمود. در نهایت سعی ما بر آن است که مدلی هوشمند جهت تشخیص و پیش بینی عیوب در موتورهای مورد مطالعه ارائه دهد.
کلمات کلیدی: نگهداری وتعمیرات ، مراقبت وضعیت ، آنالیزروغن ، روانکار ، آلوده کننده ها ، رفتارهای فرسایش ، شبکه عصبی
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1597700/