دانلود مقاله ISI انگلیسی شماره 92824
ترجمه فارسی عنوان مقاله

طراحی فیلتر مطلوب با الگوریتم ژنتیک پیشرفته برای تشخیص آسیب محلی در بلبرینگ نورد

عنوان انگلیسی
Optimal filter design with progressive genetic algorithm for local damage detection in rolling bearings
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی
92824 2018 15 صفحه PDF
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Mechanical Systems and Signal Processing, Volume 102, 1 March 2018, Pages 102-116

ترجمه کلمات کلیدی
آسیب محلی، لرزش، الگوریتم ژنتیک، فیلتر دیجیتال
کلمات کلیدی انگلیسی
Local damage; Vibration; Genetic algorithm; Digital filter;
ترجمه چکیده
شرایط سخت صنعتی موجود در معدن زیرزمینی باعث ایجاد بسیاری از مشکلات تشخیص آسیب محلی در ماشین آلات سنگین می شود. برای سیگنال های ارتعاش یکی از رویکردهای بصری به دست آوردن سیگنال با خواص مورد انتظار، مانند ویژگی های قابل اطمینان قابل ملاحظه ای، پیش فیلتر شدن با فیلتر مناسب است. طراحی این فیلتر بسیار وسیع از تحقیقات خود است. در این مقاله نویسندگان یک رویکرد جدید برای طراحی فیلتر مطلوب طراحی شده با استفاده از الگوریتم ژنتیک پیشرفته پیشنهاد می کنند. روش ارائه شده به طور کامل مبتنی بر داده ها است و نیازی به اطلاع قبلی از سیگنال نیست. این بر علیه مجموعه داده های واقعی و شبیه شده آزمایش شده است. اثربخشی عملیات برای موارد سالم و آسیب دیده ثابت شده است. معیار خاتمه برای روند تکامل، توسعه یافته است و ویژگی تصمیم گیری تشخیصی برای تعیین نتیجه نهایی پیشنهاد شده است.
پیش نمایش مقاله
پیش نمایش مقاله  طراحی فیلتر مطلوب با الگوریتم ژنتیک پیشرفته برای تشخیص آسیب محلی در بلبرینگ نورد

چکیده انگلیسی

Harsh industrial conditions present in underground mining cause a lot of difficulties for local damage detection in heavy-duty machinery. For vibration signals one of the most intuitive approaches of obtaining signal with expected properties, such as clearly visible informative features, is prefiltration with appropriately prepared filter. Design of such filter is very broad field of research on its own. In this paper authors propose a novel approach to dedicated optimal filter design using progressive genetic algorithm. Presented method is fully data-driven and requires no prior knowledge of the signal. It has been tested against a set of real and simulated data. Effectiveness of operation has been proven for both healthy and damaged case. Termination criterion for evolution process was developed, and diagnostic decision making feature has been proposed for final result determinance.