|
تحقیقات موتور، جلد ۲۸، شماره ۲۸، صفحات ۲۱-۲۹
|
|
|
عنوان فارسی |
شناسایی عیب در شمع موتور با استفاده از تحلیل ارتعاش به کمک شبکه عصبی |
|
چکیده فارسی مقاله |
یکی از قطعات تأثیرگذار بر روی کیفیت احتراق شمعهایند، بهطوریکه اگر شمعها سالم نباشند میتوانند تأثیر سویی بر آلایندگی و بازده موتور داشته باشند. در این مقاله با هدف جلوگیری از اثرات سوء شمعهای معیوب، روشی بر پایه تحلیل ارتعاش برای شناسایی عیب در شمع موتور ارائه می-شود. دادههای ارتعاش موتور به کمک حسگر شتابسنجی در شرایط شمع سالم و معیوب، ذخیره شدند. به دلیل وجود نوفه های شدید، روش حذف نوفه به منظور بهبود پردازش علائم بکار گرفته شد. سپس برای بهدست آوردن اطلاعات مفید تشخیصی از دادههای پردازش شده، روش استخراج ویژگی به کمک متغیرهای آماری استفاده شد. در این تحقیق هفت ویژگی بیشینه، میانگین، انحراف معیار، واریانس، چولگی، کورتسیس و شاخص ضربه در مرحله استخراج ویژگی بهکار گرفته شد. شبکه عصبی با هفت عصب درلایه ورودی تحت آموزش قرار گرفت. پس از ایجاد ساختار بهینه، عملکرد شبکه طراحی شده آزمایش شد. نتایج نشان دادند که دقت کافی در تشخیص شمع معیوب بهدست آمد. بنابراین میتوان ذکر کرد که روش پیشنهاد شده میتواند بهطور قابل اطمینانی برای شناسایی عیب در شمع موتور استفاده شود. |
|
کلیدواژههای فارسی مقاله |
عیبیابی، شمع موتور، تحلیل ارتعاش، حذف نوفه، شبکه عصبی |
|
عنوان انگلیسی |
Fault diagnosis in engine spark plug by vibration analysis using neural network |
|
چکیده انگلیسی مقاله |
The spark plug condition is an effective parameter on the combustion quality of a spark ignition (SI) engine. If the condition of the spark plug becomes abnormal, pollutions and the efficiency of the engine will be affected. In the present paper, a procedure is proposed based on the vibration analysis for the spark plug fault detection. Vibration signals of the SI engine were collected by an accelerometer under two spark plug conditions, namely, normal and abnormal conditions. In order to remove noises from signals, the wavelet denoising technique was used. Then, the feature extraction method by statistical parameters was applied to obtain fault-indicating information. In this work, seven feature parameters were employed in the feature extraction stage, namely, maximum, mean, standard deviations, the variance, the skewness, Kurtosis and impulse factors. The neural network (NN) was trained with seven neurons in the input layer. After constructing the optimum structure, the performance of the network was tested. Results showed that a high level of the efficiency was gained in the spark plug fault detection. Therefore, it can be mentioned that the proposed approach could reliably be used for the fault identification in the engine spark plug. |
|
کلیدواژههای انگلیسی مقاله |
|
|
نویسندگان مقاله |
سید اشکان موسویان | s a moosavian
غلامحسن نجفی | g. najafi
برات قبادیان | b. ghobadian
سید محمد جعفری | s m jafari
بابک سخایی | b. sakhaei
مقداد خزایی | m. khazaee
|
|
نشانی اینترنتی |
http://www.engineresearch.ir/browse.php?a_code=A-10-1-102&slc_lang=fa&sid=fa |
فایل مقاله |
فایلی برای مقاله ذخیره نشده است |
کد مقاله (doi) |
|
زبان مقاله منتشر شده |
fa |
موضوعات مقاله منتشر شده |
|
نوع مقاله منتشر شده |
مطالعه پژوهشی |
|
|
برگشت به:
صفحه اول پایگاه |
نسخه مرتبط |
نشریه مرتبط |
فهرست نشریات
|