| توسعه سیستم تشخیص و طبقه‌بندی عیوب استارتر خودرو بر اساس سیگنال‌های آکوستیکی و الگوریتم‌های هوش مصنوعی |
| کد مقاله : 1126-ISAV |
| نویسندگان: |
|
امیرحسین دزفولیان راد *، علی صدیقی، مسعود شریعت پناهی دانشکده مکانیک، دانشگاه تهران، تهران، ایران. |
| چکیده مقاله: |
| کنترل کیفیت یکی از مهم‌ترین فرایند‌های شرکت‌های صنعتی بزرگ است. در این بخش با تشخیص عیوب یک محصول در روند تولید آن، کیفیت قطعات تولیدی افزایش می‌یابد و در نتیجه از هزینه‌های مالی و زمانی تولید کاسته می‌شود. استارتر خودرو یکی از سامانه‌های مهم در خودرو است. در حال حاضر به دلایل متعددی پس از مونتاژ سامانه استارتر در بعضی از محصولات، نویزهای صوتی وجود دارد که نشان‌دهنده‌ی وجود عیب در آن‌ها است. در این پروژه سیستم تشخیص عیوب استارتر خودرو بر اساس سیگنال‌های آکوستیک طراحی و توسعه داده می‌شود که با استفاده از الگوریتم‌های هوش مصنوعی، قطعات معیوب را شناسایی و در دسته‌های عیوب مختلف طبقه‌بندی می‌کند. بدین منظور ابتدا یک ستاپ آزمایشگاهی داده‌بردای طراحی و پیاده سازی می‌شود. پس از جمع‌آوری سیگنال‌های صوتی از تعدادی استارتر در حالت‌های مختلف، ویژگی‌های اصلی سیگنال‌ها در حوزه فرکانس استخراج می‌گردد. در این پروژه الگوریتم‌های یادگیری ماشین در دو بخش طراحی می‌شود. در بخش اول هدف اصلی تنها تشخیص قطعات سالم از معیوب است که می‌توان آن را در قالب یک مسئله تشخیص رفتارخلاف قاعده مطرح نمود. در این بخش از الگوریتم‌های SOM و شبکه عصبی مصنوعی استفاده می‌شود که دقت تشخیص آن‌ها بین 91.2% تا 95.7% برای حالت‌های مختلف به دست آمده‌است. در بخش دوم به طبقه‌بندی قطعات معیوب به دسته‌های مختلف پرداخته می‌شود. در این بخش نیز از الگوریتم شبکه عصبی مصنوعی استفاده شده‌است که با دقت 87.7% قطعات معیوب را به عیوب مختلف طبقه‌بندی می‌کند. |
| کلیدواژه ها: |
| استارتر؛ سیگنال آکوستیک؛ هوش مصنوعی؛ تشخیص و طبقه‌بندی عیوب. |
| وضعیت : مقاله برای ارائه شفاهی پذیرفته شده است |