نام پژوهشگر: حمیدرضا فرشاد

‏تعیین میزان ناهم محوری محورهای دمی بالگرد شاهد 278 با استفاده از تبدیل موجک و شبکه عصبی
پایان نامه وزارت علوم، تحقیقات و فناوری - دانشگاه شهید چمران اهواز - دانشکده مکانیک 1393
  حمیدرضا فرشاد   افشین قنبرزاده

تولیدکنندگان همواره به دنبال راه¬هایی برای کاهش هزینه¬های تعمیرات و نگهداری وسایل و تجهیزات خود هستند. با استفاده از روش¬های جدید تعمیرات و نگهداری و پایش وضعیت سلامت ماشین¬آلات، می¬توان از وقوع و رشد عیوب در سیستم جلوگیری نمود و با برطرف کردن عیوب، هزینه¬های ناشی از تعمیرات و نگهداری را کاهش داد. در سیستم¬ها و سامانه¬های هوایی به دلیل وجود فاکتورهای ایمنی و انسانی، پایش وضعیت قطعات حساس، به¬ویژه قطعات دوار، بسیار حائز اهمیت می¬باشد. بالگردها جزء سامانه¬های هوایی بال چرخان محسوب می¬شوند. بنابراین، ضرورت پایش وضعیت قطعات حساس در بالگرد در قالب سیستم نمایشگر سلامت و عمر بالگرد مطرح می¬شود. با توجه به اهمیت سیستم انتقال قدرت دمی بالگرد، پایش وضعیت اجزای این قسمت، از اهمیت خاصی برخوردار می¬باشند. هدف از این پروژه، پیشنهاد الگوریتمی جهت تعیین وضعیت محور¬های دمی بالگرد شاهد 278 و در نتیجه مشخص شدن میزان ناهم¬محوری محور¬های دمی بالگرد می¬باشد. بدین منظور، سیگنال¬های ارتعاشی بوسیله حسگرهای نصب شده بر روی یاتاقان¬های قسمت دمی بالگرد جمع¬آوری می¬شوند. سپس، برای پردازش سیگنال از تبدیل موجک پیوسته و تبدیل موجک گسسته استفاده شده است و دو دسته ویژگی، ویژگی¬های آماری توصیفی و پارامترهای درست¬نمایی بیشینه، از ضرایب آن¬ها استخراج می¬شوند. با استفاده از معیار فاصله، ویژگی¬هایی که مقدار معیار فاصله بیشتری دارند، انتخاب می¬شوند و به عنوان ورودی¬های شبکه-های عصبی در نظر گرفته می¬شوند. برای دسته¬بندی، از شبکه¬ عصبی رگرسیون و شبکه عصبی تابع پایه شعاعی استفاده شده است. نتایج نشان داد که ویژگی آماری آنتروپی لگاریتم انرژی و پارامتر انحراف معیار توزیع¬های درست¬نمایی بیشینه، نسبت به دیگر ویژگی¬ها کارائی بالاتری دارند. همچنین، شبکه عصبی رگرسیون نسبت به شبکه عصبی تابع پایه شعاعی، قابلیت اطمینان بالاتری را دارا می¬باشد