دکتر محمد رضا فیضی درخشی، مجری طرح در این باره گفت: در سال‌های اخیر استفاده از پردازش سیگنال برای عیب‌یابی قطعات و ماشین آلات مورد توجه قرار گرفته که دلیل این موضوع، قابلیت این روش‌ها در انجام تست‌های غیر مخرب و نیز عیب‌یابی در حین کار تجهیزات است و از این رو این تحقیق به دنبال روشی برای بهبود دقت روش‌های پردازش سیگنال در عیب‌یابی قطعات در حال چرخش است.
وی افزود: بدین منظور راهکارهای پیشنهادی روی سیگنال‌های جمع آوری شده در محیط کارگاهی از ارتعاشات فیزیکی جعبه دنده‌های واقعی خودروی نیسان، آزمایش شده است و استفاده از داده واقعی یکی از نقاط قوت تحقیق حاضر در برابر تحقیق‌هایی است که از داده‌های آزمایشگاهی استفاده می‌کنند.
به گفته مجری طرح، در این تحقیق یک ایده جدید مطرح و توسعه داده شد که عبارت است از استفاده از مفهوم ضریب همبستگی برای تطبیق و هم بعد کردن سیگنال‌های جمع آوری شده و به نظر می‌رسد این ایده می‌تواند نقطه آغازین خوبی برای بهبودهای آتی در مساله تطبیق هوشمند سیگنال‌ها باشد.
دکتر فیضی درخشی در ادامه با تاکید بر اینکه علاوه بر این ایده جدید ترکیب‌های مختلف روش‌های موجود با هدف بهبود نتایج تشخیص مد نظر قرار گرفت، یادآور شد: استفاده از تبدیل موجک، به کارگیری توابع آماری پراش، چولگی و برجستگی و همچنین آنتروپی در مقابل انرژی به عنوان ویژگی از جمله کارهای انجام گرفته در این تحقیق است.
به گزارش ایسنا، وی تصریح کرد: برای انجام دسته بندی نیز از ماشین بردار پشتیبان و شبکه عصبی RBF به طور جداگانه بهره گرفته شده است و بدین سان ترکیب‌های مختلف این دو روش هوشمند با ویژگی‌های یاد شده مورد آزمایش قرار گرفت که نتایج آن به تفصیل در این گزارش بررسی شده است و از این رو نتایج آزمایش‌ها نشان‌دهنده دقتی در حدود 90 درصد برای بهترین ترکیب است.
No tags for this post.