دانشکده مهندسی

گروه آموزشي مکانیک

 

پایان‌نامه برای دریافت درجه کارشناسی ارشد در رشته مهندسی مکانیک گرایش طراحی کاربردی ارتعاشات و کنترل

 

عنوان:

 آنالیز ارتعاشات تجربی و شبیه سازی چرخ و زنجیر و شناسایی ترک در آن به کمک هوش مصنوعی

استاد راهنما:

دکتر مهدی کریمی

اساتید داور:

دکتر علیرضا شوشتری

دکتر رحمن سیفی

 

نگارش:

آزاده طاهري

 
تاریخ و ساعت:

25/11/94

10

مکان

سالن آمفی تئاتر

چكيده:

در این پایان نامه آنالیز ارتعاشی سیستم چرخ و زنجیر غلتکی سالم و معیوب انجام شده است. یک دستگاه آزمایش شامل چرخ ها و زنجیر غلتکی آماده شد. سیگنال­های ارتعاشی حوزه زمان با فرکانس نمونه برداری 10کیلو نمونه بر ثانیه در سرعت های دورانی مختلف 1800، 1380، 930 و 510 و برای 6 حالت مختلف دستگاه، شامل حالت سالم، لقی زنجیر، شکستگی غلتک زنجیر، ساییدگی چرخ، شکست  دندانه چرخ و شکست دندانه چرخ- شکستگی غلتک زنجیر استخراج گشتند. سیگنال­های استخراج شده از دستگاه در شرایط مختلف توسط حس­گر شتاب سنج، در حوزه زمان و فرکانس تحلیل گشتند. طراحی و تحلیل مجموعه چرخ و زنجیر در SolidWorks 2015 و MD ADAMS 2014 انجام شد. تحلیل حوزه تحلیل حوزه­ی فرکانس با استخراج نمودارهای FFT برای هرکدام از عیوب انجام شده است. تحلیل حوزه­ی زمان با استخراج نمودارهای شتاب نرمالیزه برحسب شماره نمونه و ویژگی­های آماری کورتوسیس، میانگین، واریانس،  و انحراف معیار سیگنال­های سنسور در وضعیت عمودی و افقی برای 6 وضعیت از دستگاه، انجام گرفته است.

با استفاده از ویژگی­های آماری میانگین، مجذور میانگین مربع، واریانس، نامتقارنی، کورتسیس و انحراف معیار برای 6 حالت مختلف دستگاه شامل حالت سالم، لقی زنجیر، شکستگی غلتک زنجیر، ساییدگی چرخ، شکست دندانه چرخ و شکست دندانه چرخ- شکستگی غلتک زنجیر،  برای آموزش الگوریتم­های هوش مصنوعی، به کار گرفته شدند. ابتدا  شبکه عصبی مصنوعی مستقیم تربیت شد. ورودی شبکه عصبی مستقیم وشبکه عصبی چندجمله­ای (GMDH) شامل یک ماتریس از 6 پارامتر آماری سیگنال­های زمانی ارتعاشی در 4 سرعت ورودی بود. خروجی شبکه به صورت صفر و یک بود که نماینده حالت سالم و صفر نشان­دهنده حالت معیوب دستگاه است.  برای طبقه بندی حالت­های سیستم چرخ و زنجیر  از  الگوریتم ماشین بردار پشتیبان( (SVM استفاده شده است. ورودی SVM یک ماتریس 960×6 بود، که از 75 درصد این داده­ها برای آموزش و 25 درصد دیگر برای تست الگوریتم طبقه بندی استفاده شد. نتایج حاصل از ابزار هوش مصنوعی از دقت مناسبی برای عیب­یابی و آشکار­سازی عیب در دستگاه برخوردار است.

واژه ­های کلیدی: آنالیز ارتعاشی، چرخ و زنجیر، شبیه سازی نرم افزاری، تشخیص، شبکه عصبی مصنوعی

Abstract: In this thesis have been done vibration analysis of healthy and defective roller chains and sprockets. A test rig is prepared included sprockets and roller chains. The time domain vibration signals are extracted with sampling frequency of 10 Ksamples/s in different angular velocities 1800, 1380, 930 and 510 RPM and for six different roller chains and sprockets condition as healthy, clearance of roller cahins, broken roller, wear, failure sprocket, and failure sprocket-broken roller. Obtained signals from the device in different conditions, by sensor accelerometer, are analyzed in time and frequency domain. Roller chains and sprockets is designed and simulated in SolidWorks 2015 and MD ADAMS 2014. Analysis of frequency domain was accomplished by extracting FFT graphs for each fault. Analysis of time domain has been accomplished by extracting normalized acceleration graphs based on sample numbers and statistical properties of sensor signals including as Kurtosis, mean, variance, and standard deviation have been done in vertical and horizontal situation six different conditions of device.

 By using average statistical properties, root mean square, variance, Skewness, Kutosis and standard deviation for six different conditions roller chains and sprockets included healthy, clearance of roller chains, failure of roller, wear, failure of sprocket and failure of sprocket- failure of roller, were used for learning algorithms of artificial intelligence. First ANN is trained. Input of ANN and GDMH is included a matrix with six statistical parameters of vibration signals in four inputs velocity. Outputs of ANN is selected as a binary values that one values represent healthy condition and zero values show faulty status. SVM algorithm is used for classification of six different conditions of roller chains and sprockets. Input of SVM was a matrix with six rows and 960 columns, that is used 75 and 25 percent of this matrix, respectively is used for learning and test of classification SVM algorithm. The results of artificial intelligence tools for troubleshooting and fault detection in the device have high accuracy.

Key Words:Vibration analysis, roller chains and sprockets, simulation, artificial intelligence, Identificatin

شرح حال و سوابق کاری (Resume)

به روز شده (بهمن ماه 1394)

ü      مشخصات فردی

نام: ازاده

نام خانوادگی: طاهری        

تاريخ تولد:18/9/1368

شماره شناسنامه:2530024677

محل صدور: اقلید

دين: اسلام

تلفن همراه: 09359068660

تلفن منزل: -

پست الکترونيکی: azadehtaheri27@yahoo.com ، A.taheri92@basu.ac.ir

 

 

ü    مدارک تحصيلی

ü    ديپلم رياضی فيزيک، فارغ التحصيل 1387، معدل 43/19

ü                             لیسانس مهندسی مکانیک (طراحی جامدات)، دانشگاه غیرانتفاعی صنعتی فولاد، ورودی1387، معدل دروس تئوری82/14

ü                             فوق لیسانس مهندسی مکانیک (محصل)، دانشگاه بوعلی سینا همدان، ورودی 1392، معدل دروس تئوری 5/17

 

 

·                                                                                       پروژه های درسی و پايان نامه ها

 

·        پايان نامه کارشناسی: شبيه سازی فرايند ريخته گری  با استفاده از روش اجزاء محدود، 1390

·        مقایسه بهینه سازی مومنتوم صفحات خورشیدی فضاپیما به کمک الگوریتم ژنتیک و شبکه عصبی

• آنالیز ارتعاشات چرخ ماشین پخت با روش المان محدود و پیش بینی ترک با شبکه عصبی مصنوعی
• مقایسه ای بر روشاجزا محدود و شبکه ی عصبی مصنوعی در بهینه سازی حجم شیرمکش فوت ولو
• پایان نامه کارشناسی ارشد: آنالیز ارتعاشی شبیه سازی و تجربی چرخ زنجیر به کمک هوش مصنوعی و شناسایی ترک در آن

 

·       مقاله

ü    آنالیز ارتعاشات لینک خارجی زنجیر با المان محدود و پیش بینی ترک با شبکه عصبی مصنوعی

ü Roller chain and sprocket system fault detection and diagnostics based on vibrating signal

·       پوستر

آنالیز ارتعاشات چرخ و زنجیر

·               سوابق کاری

 

     گذراندن دوره کاراموزی به مدت 272ساعت کاری در فولاد مبارکه اصفهان در قسمت بازرسی جرثقیل های سقفی

 

مدارک و گواهی نامه های دوره های اموزشی

 

ü      شرکت در دوره های نرم افزار catiaدر اموزشگاه فناوری اطلاعات شهرداری اصفهان

ü      شرکت در کلاس های کانون ریاضی نیکان استان فارس

ü      اشنایی بانرم افزار mechanical desktop در دانشگاه

ü      اشنا با نرم افزار اجزا محدود ansysاز طریق مطالعه کتاب اجزا محدود جاهد مطلق و نیما جمشیدی

ü      شرکت در دوره های زبان انگلیسی در اموزشگاه پویش اباده

ü      شرکت در دوره اموزشی کامپیوتر

ü      شرکت در دوره اموزشی matlab در فنی و  حرفه ای استان همدان

ü      آشنا به کار با نرم افزارsolidworks

ü      مسلط به کار با نرم افزار المان محدود Abaqus

ü      مسلط به کار با نرم افزار آدامز

ü      گذراندن دردوره کلید فولاد در موسسه مشاوران صنعت اصفهان