طراحی وعیب یابی مدار ماشین پرس میخ پرچ الکترونیوماتیکی توسط سیستم های هوشمند(شبکه عصبی فازی)

پایان نامه
  • وزارت علوم، تحقیقات و فناوری - دانشگاه فردوسی مشهد - دانشکده مهندسی
  • نویسنده سید حسن عباسپور
  • استاد راهنما مجید معاونیان
  • تعداد صفحات: ۱۵ صفحه ی اول
  • سال انتشار 1390
چکیده

ایمنی و قابلیت اعتماد دو خصلت مورد انتظار از تمامی سیستم های ساخته شده دست انسان می باشد، ردیابی و تشخیص زود هنگام عیوب می تواند از توقف و اختلال سیستم و حتی خسارات جبران ناپذیر جانی، مالی جلوگیری نماید. از اوایل دهه 1970، مسئله ردیابی و تشخیص عیب در فرایندهای صنعتی مورد توجه واقع شده است و تاکنون تعداد زیادی از روشهای مبتنی بر دانش و همچنین داده استفاده شده اند. تحقیقات اولیه مبتنی بر مدلهای تحلیلی بوده است. در این روشها با استفاده از ابزارهای ریاضی، مدل فرایند شبیه سازی و بر پایه آن، کار ردیابی و تشخیص عیب انجام می شود.. به طور کلی در طراحی سیستم های fdi مشکل اساسی نیاز به حساسیت بالای سیستم در برابر عیب و همچنین مقاومت بالای آن در برابر عدم قطعیت ها می باشد، به همین دلیل، تحقیقات برای استفاده از سیستم های هوشمند از جمله شبکه های عصبی ومنطق فازی یا مدل کیفی شکل گرفت. در این پژوهش ضمن معرفی کامل سیستم مورد مطالعه، طراحی مدار آن توسط نرم افزار automation studio انجام و شرایط نگهداری و تعیین خرابی های سیستم بیان شده است. در حال حاضر روشهای مبتنی بر مفاهیم محاسبات نرم، روش قدرتمندی در طراحی سیستم های fdi بوده ودر این پژوهش از این موضوع استفاده شده است. در ادامه عیب یابی بر روی یک سیستم پرس میخ پرچ الکترونیوماتیکی صنعتی با استفاده از نرم افزار matlab (شبکه عصبی- فازی) ، یک راه عملی ساده و دقیق برای شناسایی عیوب فرایند های صنعتی، با استفاده از مدل آنها ارائه شده است. ورودی شبکه عصبی- فازی، ویژگیهای استخراج شده از طراحی مدار سیستم پرس میخ پرچ الکترونیوماتیکی بوده و خروجی آن، موقعیت و اندازه عیب است. نتایج نشان دهنده دقت قابل قبول سیستم عیب یابی طراحی شده و خطای اندک آن است.

۱۵ صفحه ی اول

برای دانلود 15 صفحه اول باید عضویت طلایی داشته باشید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

عیب یابی ماشین آلات دوّار توسط شبکه های فازی- عصبی

عیب یابی ماشین آلات دوار، ارزیابی وضعیت ماشین، تشخیص علائم شروع و رشد عیب، شناسایی علت و قطعات آسیب دیده و پیشگویی میزان عمرکاری باقیمانده ماشین را ممکن می سازد. به همین دلیل از آسیب دیدگی شدید ماشین و هزینه های بالای تعمیرات جلوگیری می کند. استفاده از ارتعاشات مکانیکی ماشین ها و آنالیز فرکانسی و زمانی آنها، یکی از متداول ترین و کاربردی ترین روش ها در تعیین عیوب ماشین های دوار می باشد. از آنجای...

15 صفحه اول

مجموعه هاو سیستم های فازی آشوبگون عصبی

در این مقاله، مجموعه‌ی فازی جدیدی تحت عنوان مجموعه‌های فازی آشوبگون عصبی پیشنهاد شده است. مجموعه پیشنهادی از نظر ساختاری از ساختار نورون و از نظر عملکردی از دینامیک‌های آشوبگونه و فازی‌سازی در مغز انسان الهام گرفته و مدل ریاضی آن، بر اساس «اسیلاتور‌های آشوبگون تزویج شده» بنا شده است. ویژگی مهم این مجموعه در مقایسه با سایر مجموعه‌های فازی موجود، توانایی آن در ایجاد مجموعه‌های فازی متنوع نظیر مجم...

متن کامل

بررسی آلودگی باکتریال در مدار تنفسی ماشین های بیهوشی

Introduction : Hospital infections are one of the important reasons of mortality and incurred expenses. Therefore, we must control these infections by identifying contamination sources. The aim of this study was the determination of bacterial pollution of corrugated anesthesia sets in surgical rooms. Methods: This study was an analytic-description one performed in training hospitals of Yazd ci...

متن کامل

طراحی سیستم استنتاج عصبی-فازی تداوم زنجیره تامین (مورد مطالعه شرکت ایران‌خودرو)

در چند سال گذشته، احتمال وقوع ریسک‌ها و رویدادها در زنجیره تأمین افزایش یافته است. در نتیجه، زنجیره‌ها بیش از پیش نسبت به اختلال‌ها آسیب‌پذیر بوده و ریسک تداوم زنجیره تأمین افزایش یافته است. توانایی مدیریت کردن ریسک‌ها و اختلال‌ها جنبه مهمی است که رهبران موفق کسب‌وکارها را از دیگران متمایز می‌سازد. در پژوهش حاضر به مفهوم‌سازی تداوم زنجیره تأمین پرداخته شده و یک سیستم استنتاج عصبی-فازی انطباقی ج...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


نوع سند: پایان نامه

وزارت علوم، تحقیقات و فناوری - دانشگاه فردوسی مشهد - دانشکده مهندسی

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023