کاهش نویز سیگنال‌های ارتعاشی بر اساس تحلیل طیف تکین و عیب‌یابی بلبیرینگ‌ها با استفاده از شبکه عصبی مصنوعی

عیب­یابی و تشخیص خرابی بیرینگ­های غلتشی بالاترین اولویت تحلیلگران ارتعاشات است. تاکنون روش­های بسیاری جهت عیب­یابی بیرینگ­های غلتشی در حوزه فرکانس و نیز زمان- فرکانس ارائه شده است. در این مقاله به بیان یک روش جدید و بسیار کارآمد جهت تشخیص عیوب بلبیرینگ ­ها در حوزه زمان می­پردازیم. بیشتر روش­های سری زمانی پیچیده و سیگنال­های استخراجی تحت تأثیر نویز می­باشند. تحلیل طیف تکین (SSA) به عنوان یک تکنیک کارآمد در زمینه تحلیل سری­های زمانی می­باشد که از نظر اجرا آسان و نویززدا است. در این روش سیگنال ارتعاشی اندازه­گیری هر یک از عیوب بلبیرینگ به مؤلفه­های اساسی تجزیه می­شوند، که پس از انتخاب تعدادی از مؤلفه­ها اساسی جهت بازسازی سیگنال ارتعاشی، ویژگی­های آماری در حوزه زمان از سیگنال بازسازی شده استخراج می­شوند. این ویژگی­ها به عنوان ورودی­های شبکه عصبی مصنوعی (ANN) جهت تشخیص و طبقه­بندی عیوب بلبیرینگ­ها اعمال می­گردد. خروجی­های شبکه عصبی، عیوب بلبیرینگ­ها هستند که با انتخاب تعداد مناسب نرون­های لایه پنهان (لایه میانی)، حداکثر دقت در تشخیص عیوب حاصل می­شود. همچنین با اضافه کردن یک نویز سفید گوسی به سیگنال­ها کارایی روشSSA  و میزان دقت شبکه عصبی در عیب­یابی بررسی گردید. نتایج، پیاده­سازی موفق و کارآمد تحلیل طیف تکین در عیب­یابی بلبیرینگ­ها با کمترین خطا را نشان می­دهد.