عیب یابی هوشمند و طبقه بندی عیوب مکانیکی و برقی تغییر فاصله ی الکترود های شمع و عدم کارکرد انژکتور موتور پراید با استفاده از شبکه های عصبی مصنوعی از نوع MLP

شمع و انژکتور خودرو از مهمترین عوامل تاثیر گذار در توان تولیدی موتور خودرو می باشند. در صورت بروز عیوب مربوط به تغییر دهانه و فاصله ی هوایی الکترود های شمع ، قوس الکتریکی ایجاد شده در دهانه شمع، قدرت لازم را نداشته و احتراق مخلوط سوخت و هوای درون سیلندر موتور ناقص بوده و این موضوع باعث افت توان تولیدی موتور می گردد که نتیجه آن افزایش مصرف سوخت، افزایش آلایندگی و کاهش شتاب خودرو خواهد بود. عدم کارکرد انژکتور نیز می تواند اثرات نامطلوب و مشابه خرابی شمع برای خودرو ایجاد کند. برای دستیابی به حداکثر قدرت، ایجاد الگوی صحیح جرقه در زمان مناسب، و تشخیص عدم کارکرد انژکتور بسیار ضروری می باشد. هدف از این پژوهش تشخیص عیوب تغییر دهانه شمع و عدم کارکرد انژکتور از طریق پردازش سیگنال های ارتعاشی موجود در بلوکه سیلندر موتور از طریق سنسور ضربه می باشد. ابتدا عیب تغییردهانه شمع و عدم کارکرد انژکتور در موتور به طور عمدی ایجاد شده و سپس با استفاده از کارت دیتا و چهار عدد سنسور ضربه، داده های مربوط به سیگنال های ارتعاشی بلوکه سیلندر موتور جمع آوری گردید و فرآیند حذف نویز و بدست آوردن ضرایب موجک، توسط تبدیل موجک روی داده ها انجام شد. ویژگی های انرژی و میانگین فاصله پیک های سیگنال های سالم و معیوب به عنوان بردار ویژگی ورودی به شبکه عصبی پرسپترون چند لایه در نظر به کار گرفته شد. در نهایت شبکه عصبی پرسپترون چند لایه با ساختار۲:۵:۵ ایجاد گردید. نتایج این پژوهش نشان می دهد که قابلیت تشخیص و طبقه بندی عیوب تغییر دهانه شمع و عدم کارکرد انژکتور به کمک شبکه عصبی دارای کارایی ۱۰۰% می باشد. بر اساس نتایج به دست آمده سیستم حاضر می تواند به عنوان یک سیستم تشخیص عیب هوشمند در عمل مورد استفاده قرار بگیرد.

کلیدواژه ها:

کلمات کلیدی: عیب یابی ، تشخیص عیب ، تبدیل موجک ، انرژی سیگنال ، شبکه عصبی مصنوعی