رامین فتحی
دانشكده فني مهندسي
گروه مهندسي مکانیک
جلسه دفاعیه پایان نامه جهت دريافت درجه كارشناسي ارشد در رشته مهندسي مکانیک گرایش طراحی کاربردی
عنوان:
مقایسه عملکرد شبکه عصبی مصنوعی و ماشین بردار پشتیبان در طبقهبندی عیوب بهدستآمده از شبیهسازی و آنالیز تجربی در سیستم تسمه و پولی
استاد راهنما:
دكتر مهدی کریمی
داوران:
دکتر علیرضا شوشتری
دکتر داود نادری
نگارش:
رامین فتحی
زمان: شنبه 20 بهمن ماه 94 ، ساعت 10 تا 12
مکان: سمینار
چكيده:
در این پایاننامه، پایش وضعیت سیستم تسمهی V-شکل و پولی، با روش آنالیز ارتعاشی، موردبررسی قرارگرفته است. یک دستگاه آزمایشگاهی شامل تسمهی V-شکل و پولی مهیا شد. نرخ نمونهبرداری 10 کیلو نمونه بر ثانیه و در سرعت دورانی 690 دور بر دقیقهی دستگاه، انتخاب شده است. سیگنالهای ارتعاشی برای حالت سالم و انواع عیوب ناهممحوری با سه مقدار 2، 4 و 6 میلیمتر، خرابی تسمه، شل بودن تسمه، ترکدار بودن پولی و ترکیبی از عیوب، از حسگر شتاب سنج، برداشته شدهاند. تحلیل حوزهی فرکانس با استخراج نمودارهای FFT برای هرکدام از عیوب ایجاد شده و ترکیب دوتایی عیوب، انجام شده است. با استخراج نمودارهای شتاب نرمالیزه برحسب شماره نمونه، و ویژگیهای آماری کورتوسیس، انحراف معیار، میزان انحراف، جذر میانگین مربعات و فاکتور تیزی برای همهی عیوب و ترکیب عیوب، تحلیل حوزهی زمان انجام گرفته است. برای بررسی بیشتر و ارزیابی نتایج آزمایش، مدلی از سیستم تسمهی V-شکل و پولی مورد آزمایش، در حالتهای سالم و عیوب ناهممحوری 2 میلیمتر، خرابی تسمه و ترک پولی، در نرمافزار سالیدورکس شبیهسازی شد. این مدل کد طراحی شده، برای تحلیل هرکدام از حالتها، وارد نرمافزار آدامز شده و تحلیل دینامیکی برای چهار حالت ذکرشدهی مدل، انجام شده و نمودارهای FFT استخراج و با حالت آزمایش تجربی مقایسه شد. مشاهده شد که پیکهای به وجود آمده در آزمایش و نرمافزار، در فرکانسهای برابری رخ دادهاند. پس از آن از گشتاورهای آماری استخراجشده برای وضعیتهای سالم، ناهممحوری 4 میلیمتر، خرابی تسمه، شل بودن تسمه و ترک پولی، بهعنوان ویژگی عیوب، برای آموزش الگوریتمهای هوش مصنوعی، به کار گرفته شدند. چهار کد مختلف برای ماشین بردار پشتیبان، شبکهی عصبی پرسپترون چندلایه با دولایه پنهان، شبکهی عصبی پرسپترون چندلایه با یک لایهی پنهان و شبکهی عصبی K-نزدیکترین همسایه، برای تشخیص و طبقهبندی عیوب در این پژوهش، نوشته شد. برای هر وضعیت سیستم 22 نمونهبرداری انجام گرفت که از 20 نمونهی این دادهها گشتاورهای آماری ذکرشده استخراج گردید. بنابراین در کل یک ماتریس 100 6 به دست آمد که از 75 درصد این دادهها برای آموزش و از 25 درصد دیگر برای تست الگوریتمهای طبقهبندی استفاده شد. عملکرد هرکدام از طبقهبندها با آزمودن مقادیر مختلف برای پارامترهای قابلتغییر در کدهای مربوط به آنها، بررسی شد. درنهایت مشاهده شد که الگوریتم ماشین بردار پشتیبان با تابع کرنل پایه شعاعی و مقدار پهنای تابع کرنل 211/4 و مقدار پارامتر C برابر 78 در تابع پایهی ماشین بردار پشتیبان، بهترین عملکرد را در طبقهبندی دادهها در 5 کلاس مختلف ذکرشده با درصد صحت 96، دارد.
واژههای کلیدی: آنالیز ارتعاشی ، تسمهی V-شکل و پولی ، تحلیل سیگنال در حوزه فرکانس و زمان، شبیهسازی، تشخیص و طبقهبندی عیوب، شبکهی عصبی پرسپترون چندلایه، K-نزدیکترین همسایه، ماشین بردار پشتیبان
Abstract:
In this dissertation, condition monitoring of V-belt pulley drive using vibration analysis method, is investigated. A test rig containing V-belt pulley system was provided. Time-domain vibration signals are gathered from accelerometer sensor, with 10 ksps rate and 690 rpm of system angular velocity, for health an each failure condition of misalignment with 2, 4, and 6 mm ranges, belt defect, loose belt, and cracked pulley. Frequency-domain Analysis is done extracting FFT diagrams for each failure and dual combination of faliures conditions. By extraction of normalized acceleration vs sample number graphs, and statistical features of kurtosis, standard deviation, skewness, root mean square, and crest factor, for all conditions, the time-domain analysis was accomplished. For more consideration and evaluating the experimental results, four models of experimented system in four condition of health, 2 mm misalignment, belt defect, and cracked pulley, are modeled in solidworks software. These models are imported into adams software and dynamic analysis for four mentioned conditions is done and FFT diagrams are extracted and compared with experimental results. It is seen that the picks of graphs are begotten in experiment and simulation in same frequencies. Then, extracted statistical moments for health, 4 mm misalignment, belt defect, loose belt, and cracked pulley conditions are used as feature for training neural networks algorithms. Four different codes of support vector machine (SVM), multi-layer perceptron (MLP) neural network with one and two hidden layer and k-nearest neighbor (KNN) neural network have been write for diagnosis and classification of faults in this research. Thus a 6 100 matrix obtained that 75 percent of this matrix is used for training and the rest is used for testing the classification algorithms. By testing different values for changeable parameter of the written classifier codes, the performance of the classifiers are investigated. Finally, it’s illustrated that the SVM algorithm with radial basis kernel function, 4.211 for kernel function width and 78 for C parameter in basis function of SVM, had the best performance at classification of data in 5 different classes, with 96 accuracy percent
Key Words: Vibration Analysis, V-belt pulley, Signal Analysis in Time and Frequency Domains, Simulation, Faults Diagnosis and Classification, MLP Nural Network, K-Nearest Neghbor, Support Vector Machin رزومه مشخصـات فـردي نام خانوادگي: فتحی نام : رامین تاريخ تولد: 01/04/1370 محل تولد: کامیاران وضعيت جسماني: سالم آدرس الكترونيكي: raminfethi@gmail.com تلفن همراه: 09184023234 آدرس محل سکونت: کردستان-کامیاران-روستای پشاباد تلفن:08735598213 وضعيـت تحصيلـي مقطع تحصيلي رشته تحصيلي شهر محل تحصيل نام آموزشگاه/دانشگاه از سال تا سال معدل توضیحات ديپلم ریاضی و فیزیک کردستان-سنندج دبیرستان نمونه دولتی شیخ محمود شلتوت 84 88 38/18 کارشناسی مهندسی مکانیک-جامدات کرمانشاه دانشگاه رازی 88 92 08/14 کارشناسی ارشد مهندسی مکانیک-طراحی کاربردی همدان دانشگاه بوعلی سینا-روزانه 92 94 46/15 دورهي كارآموزي عنوان كارآموزي نام محل كارآموزي تاريخ مدت نمره نگهداری و تعمیرات ماشین مرکز تعمیرات ایران خودرو-کامیاران 1392 240 19
نمایشگاه کتاب فارسی و الکترونیکی در دانشکده کشاورزی به مناسبت هفته پیوهش

برگزاری کارگاههای آموزشی (مالکیت فکر و ثبت پتنت، آشنایی با فتوگرامتری و پهپاد و آشنایی با پایگاه های اطلاعاتی) بمناسبت هفته پژوهش

بررسی مدارک انتخاب دانشجوی برتر پژوهشی

بررسی مدارک انتخاب کارمند برتر پژوهشی

شرایط، مدارک و نکات لازم در تهیه پوستر هفته پژوهش

به اطلاع کاربران محترم می رساند دسترسی به وب سایت قبلی دانشکده فنی و مهندسی از طریق آدرس http://old.eng.basu.ac.ir امکان پذیر می باشد. همچنین لینک وب سایت قبلی دانشکده در منوی...

آموزش يك روزه آشنايي با استاندارد بينالمللي ISO/IEC17025 توسط آزمايشگاه علم مواد و ميكروسكوپ الكتروني و با حمايت كارگروه استاندارد و كاليبراسيون شبكه ي آزمايشگاهي فناوري هاي راهبردي با حضوري جمعي از...

به استحضار اعضای محترم هیات علمی دانشگاه می رساند از تاریخ 1396/06/01 ثبت و ارسال مدارک پژوهشی جدید از طریق سامانه امکان پذیر خواهد بود .

طی حکمی از سوی سرپرست محترم دانشگاه، آقای دکتر مهدی اثنیعشری به عنوان مدیرگروه رشته مهندسی عمران منصوب گردیدند.

سهمیه جدید جذب بورس برای سه دانشگاه بیهانگ و HIT و NPU از طریق سایت پژوهشگاه فضایی ایران در دسترس میباشد.

انتخاب جناب آقای دکتر سید آرش فتاح الحسینی را بهعنوان پژوهشگر برتر دانشگاه و نيز پژوهشگر برتر سال 1397 استان همدان در گروه فني مهندسي تبريك عرض نموده و براي ایشان از خداوند متعال توفيق روزافزون مسئلت...

بدينوسيله انتخاب آقاي دكتر سيد مهدي حسينيان عضو هيات علمي گروه مهندسي عمران دانشكده مهندسي دانشگاه بوعلي سينا به عنوان پژوهشگر برتر گروه تخصصي سازه از طرف سازمان نظام مهندسي ساختمان استان همدان را به...

انتخاب جناب آقای دکتر حسن مرادی هیأت علمی گروه محترم برق را بهعنوان پژوهشگر برتر سال 1397 استان همدان در گروه فني مهندسي تبريك عرض نموده و براي ایشان از خداوند متعال توفيق روزافزون مسئلت دارد.

سرکار خانم خانینور کارشناس محترم آزمایشگاه میکروسکوپ الکترونی به عنوان کارشناس برتر و رابط منتخب شبکه آزمایشگاهی فناوری راهبردی انتخاب گردیدند.

طبق آخرين ارزيابي منتشر شده پايگاه استنادي علوم جهان اسلام (ISC) مربوط به سال 1395، نشريات دوفصلنامه پژوهش هاي جامعه شناسي معاصر، راهبردهاي شناختي در يادگيري و فناوري توليدات گياهي كه تاكنون ضريب...

جناب آقای مهندس امیدرضا بهادری دانشجوی دکتری رشته مهندسی عمران دانشکده به عنوان دانشجوی نمونه و جناب آقای سید سجاد جعفری دانشجوی دکتری مکانیک و جناب آقای سعید رضایی دانشجوی رشته مهندسی صنایع به عنوان...

طبق مصوبه 650 مورخ 97/08/13 شورای پژوهشی دانشگاه مقرر گردید؛ حداکثر 3 نفر از پژوهشگران حوزه کارمندی دانشگاه بوعلی سینا در هفته پژوهش سال جاری، با شرایط ذیل الذکر انتخاب و از ایشان تقدیر به عمل آید.

بیانیه شماره 1 دبیرخانه هیأت ممیزه دانشگاه

به استحضار اعضای محترم هیات علمی دانشگاه می رساند از تاریخ 1397/07/09 ثبت و ارسال مدارک پژوهشی جدید از طریق سامانه امکان پذیر خواهد بود .

به اطلاع اعضای محترم هیات علمی میرساند، در صورت تسویه نمودن گرنت سال قبل، برای دریافت گرنت سال جاری از طریق سامانه پژوهشی اقدام فرمایند.