تشخیص خطای ماشین القایی با استفاده از گوشی‌های هوشمند با نویز قابل شنیدن

این مطالعه احتمالات تشخیص خطای ماشین القایی با استفاده از گوشی‌های هوشمند برای نویز قابل شنیدن را ارایه می دهد. تحلیل نویز صوتی و قابل شنیدن برای تشخیص خطا یک تکنیک شناخته‌شده می‌باشد. با این حال، تجهیزات تخصصی برای اهداف تشخیصی اغلب بسیار پرهزینه اند و راه اندازی دشوار ی دارند. برای غلبه بر این مانع، یک روش ساده پیش از تشخیص، با استفاده از گوشی‌های هوشمند دستی پیشنهاد شده‌است. خطاهای مختلف ماشین القایی سه مرحله ای قفس سنجاب مانند شماره‌های مختلف میله‌های شکسته رتور(گردنده) و روتور حرکتی خارج از مرکز به دستگاه وارد می‌شوند و سیگنال‌های قابل شنیدن حاصل از آن در شرایط آزمایشگاهی با استفاده از دو گوشی هوشمند تجاری موجود ثبت می‌شوند. تحلیل بر روی نویز قابل شنیدن صورت می‌گیرد و با نتایج اندازه‌گیری ارتعاشات مکانیکی که توسط سنسورهای ارتعاشی ثبت می‌شوند، مقایسه می‌شود. فرکانس چرخشی و بسامد خط دوخطی به عنوان شاخص‌های تشخیصی گسل‌ها مورد استفاده قرار می‌گیرند. یک شبکه عصبی ساده تشکیل میشود و احتمالات تشخیص خطا با استفاده از چنین اقدامات تشخیصی ارایه میگردد. ضرورت مطالعه بیشتر و نیز اجرای بیشتر و

This study presents induction machine fault detection possibilities using smartphone recorded audible noise. Acoustic and audible noise analysis for fault detection is a well-established technique; however, specialised equipment for diagnostic purposes is often very expensive and difficult to operate. To overcome this obstacle, a simple pre-diagnostic procedure, using hand-held smartphones is proposed. Different faults of the three-phase squirrel cage induction machine such as various numbers of broken rotor bars and dynamic rotor eccentricity are inflicted to the machine and the resulting audible signals are recorded in laboratory circumstances using two widely available commercial smartphones. The analysis is performed on audible noise and compared with the results of mechanical vibrations measurements, recorded by vibration sensors. Rotational speed frequency and twice-line frequency are used as diagnostic indicators of faults. A simple neural network is composed and probabilities o