بررسی رفتار ارتعاشی تسمه زمانبندی تحت عیوب مختلف به کمک روش‌های داده‌کاوی و هوش مصنوعی

در این پژوهش سامانه‌ای خودکار و هوشمند جهت تشخیص عیوب رایج تسمه زمانبندی بر اساس سیگنال‌های ارتعاشات آن معرفی شده است. بدین منظور ارتعاشات تسمه زمانبندی در عیوب مختلف و رایج آن تحصیل شد. به منظور داده‌کاوی از سیگنال‌های ارتعاشی 6 تابع ویژگی انحراف از معیار, کورتوسیس، اسکیوونس، فاکتور ضربه، فاکتور شکل و فاکتور کرست که هریک از آنها بیانگر نوعی از رفتارهای یک سیگنال هستند؛ استخراج شدند. پس از استخراج مشخصه‌های هر عیب در مرحله داده‌کاوی، از طبقه‌بند شبکه عصبی مصنوعی (ANN) جهت تشخیص هوشمند تسمه‌های معیوب استفاده شد. شبکه عصبی توسط 60 درصد از مشخصه‌های استخراج شده از سیگنال‌ها آموزش و سپس توسط مابقی آنها آزمون شد. نتایج نشان داد ارتعاشات تسمه در هنگام بروز عیب دچار آشفتگی گشته و رفتار ضربه‌ای شدیدتر از خود نشان می‌دهند. همچنین شبکه عصبی توانست با دقت 90 درصد عیوب تسمه زمانبندی را تشخیص دهد و طبقه‌بندی کند. نتایج این پژوهش نشان می‌دهد که استفاده از سیگنال‌های ارتعاشی جهت تشخیص عیوب ریز تسمه زمانبندی و پیشگیری از پارگی کامل آن موثر بوده است. همچنین نتایج نشان داد تلفیق روش‌های داده-کاوی و هوش مصنوعی ترکیب توانمند و موفقی جهت عیب‌یابی تسمه زمانبندی است.