Professional Documents
Culture Documents
شناسايي عيب در شمع موتور با استفاده از تحليل ارتعاش به كمك شبكة عصبي
6
سيد اشکان موسويان ،9غالمحسن نجفي ،*8برات قباديان ،3سيد محمد جعفري ،4بابک سخايي ،5مقداد خزايي
9
دانشگاه تربيت مدرس ،تهران ،ايرانa.moosavian@modares.ac.ir ،
8
دانشگاه تربيت مدرس ،تهران ،ايرانg.najafi@modares.ac.ir ،
3
دانشگاه تربيت مدرس ،تهران ،ايرانghobadib@modares.ac.ir ،
4
دانشگاه صنعتي شريف و شركت تحقيق ،طراحي و توليد موتور ايران خودرو (ايپکو) ،تهران ،ايرانsm_jafari@ip-co.com ،
5
دانشگاه صنعتي شريف و شركت تحقيق ،طراحي و توليد موتور ايرانخودرو (ايپکو) ،تهران ،ايرانb_sakhaei@ip-co.com ،
6
دانشگاه تربيت مدرس ،تهران ،ايرانm.khazaee@modares.ac.ir ،
*
نويسنده مسئول ،شمارة تلفن189-42818388 :
تاريخچة مقاله: يکي از قطعات تأثيرگذار بر روي كيفيت احتراق شمعهايند ،بهطوريكه اگر شمعها سالم نباشند
دريافت 98 :مهر 9318 ميتوانند تأثير سويي بر آاليندگي و بازده موتور داشته باشند .در اين مقاله با هدف جلوگيري از اثرات
پذيرش 81 :آبان 9318 سوء شمعهاي معيوب ،روشي بر پاية تحليل ارتعاش براي شناسايي عيب در شمع موتور ارائه ميشود.
كليدواژهها: دادههاي ارتعاش موتور به كمک حسگر شتابسنجي در شرايط شمع سالم و معيوب ،ذخيره شدند.
عيبيابي به دليل وجود نوفه هاي شديد ،روش حذف نوفه به منظور بهبود پردازش عالئم بکار گرفته شد.
شمع موتور سپس براي بهدست آوردن اطالعات مفيد تشخيصي از دادههاي پردازش شده ،روش استخراج ويژگي
تحليل ارتعاش
به كمک متغيرهاي آماري استفاده شد .در اين تحقيق هفت ويژگي بيشينه ،ميانگين ،انحراف معيار،
حذف نوفه
واريانس ،چولگي ،كورتسيس و شاخص ضربه در مرحلة استخراج ويژگي بهكار گرفته شد .شبکة
شبکة عصبي
عصبي با هفت عصب درالية ورودي تحت آموزش قرار گرفت .پس از ايجاد ساختار بهينه ،عملکرد
شبکة طراحي شده آزمايش شد .نتايج نشان دادند كه دقت كافي در تشخيص شمع معيوب بهدست
آمد .بنابراين ميتوان ذكر كرد كه روش پيشنهاد شده ميتواند بهطور قابل اطميناني براي شناسايي
عيب در شمع موتور استفاده شود.
تاكنون تالشهاي بسياري براي تشخيص عيب موتورها با استفاده از )1مقدمه
روشهاي هوش مصنوعي انجام گرفته است ،اما تحقيق دربارة هدف از پايش وضعيت نظارت بر وضعيت عملکرد دستگاه و بهدست
عيبيابي ارتعاشي شمع موتور بسيار كم است .ديبتون 9و همکاران آوردن آثار و نشانة وضعيت دستگاه است ،زماني كه دستگاه در حال
[ ،]4به بررسي ارتعاشي بدنه در حالتهاي سالم و معيوب پرداختند. انجام عمليات ميباشد ،بهطوريكه دستگاه بتواند به صورت اقتصادي
آنها دريافتند كه بازة ارتعاشي موتور ميتواند اطالعات قابل اطميناني و ايمني نگهداري شده يا فعال بماند .هر سامانة پويا ،برقي،
Downloaded from engineresearch.ir at 12:33 +0330 on Sunday February 17th 2019
را نسبت به شرايط كاري موتور نشان دهد و عالئم ارتعاشي ميتواند هيدروليکي يا حرارتي داراي عالئم مشخصهاي است كه وضعيت
منبع خرابي را شناسايي كند .آري 8و همکاران [ ،]5توانستند عيوب عادي آن دستگاه را در حين كار نشان ميدهد .تغيير اين عالئم ،هر
قطع يک شمع و لقي دسته موتور را با استفاده از تحليل ارتعاش و چند به اندازة كم ،ميتواند نشانهاي از بروز اشکال و خرابي در سامانه
روش تبديل سريع فوريه 3انجام دهند .هوآنگ 4و همکاران [ ،]6يک باشد .منظور از پايش وضعيت ،تعيين وضعيت سامانه با اندازهگيري
روش ارتعاشي تشخيص عيوب را براي موتور ديزل به كمک تبديل عالئم مشخصة آن و بهرهگيري از اين اطالعات براي پيشبيني
موجک و شبکة عصبي ارائه كردند .در اين تحقيق عيوبي نظير نشتي خرابي سامانه است .پايش وضعيت با روشها و روشهاي مختلفي
دريچه هوا و دود بررسي و شناسايي شدند .وو 5و همکاران [ ،]7به اجرا ميگردد [.]9
بررسي ارتعاشي عيوب موتور خودرو با استفاده از تبديل موجک و در تحليل ارتعاش مقدار ارتعاشات دستگاه با استفاده از حسگرهاي
شبکة عصبي پرداختند .همچنين آنها [ ]2به تشخيص عيوب موتور به خاص اندازهگيري ميشود زيرا دامنة ارتعاشات هر دستگاه معياري از
كمک فشار چندراهة ورودي و شبکة عصبي پرداختند .ابراهيمي و سالمت آن است .بدين منظور ميتوان يکي از متغيرهاي جابجايي،
مالزاده [ ،]1سامانهاي براي تشخيص عيوب موتور در موتوري ديزلي سرعت يا شتاب را با حسگرهاي مختلف در موقعيتهاي گوناگون و
را به كمک تحليل ارتعاش ارائه كردند .ياداو 6و كالرا ،]91[ 7روشي مکانهاي متفاوت در دستگاه اندازهگيري كرد .عالوه بر اين ،تجزيه
براي عيبيابي موتور درونسوز بر پاية تحليل صدا و استفاده از شبکة و تحليل ارتعاشات ميتواند بهمنظور عيبيابي در دستگاه ها استفاده
عصبي ارائه كردند .ونگ 2و همکاران [ ،]99به كمک شبکة عصبي، شود ،زيرا اكثر مشکالت دستگاه هاي دوار به صورت عالئم ارتعاشي
عيوب مختلف موتور را بررسي و شناسايي كردند .در اين تحقيق يا تغيير در مشخصههاي ارتعاشي سامانه ظاهر ميگردد .از طرف
عيوبي نظير عدم احتراق در هر يک از استوانهها ،خرابي حسگر ديگر ،هر عيب يا مشکل مکانيکي عالئم ارتعاشي مخصوص به خود
اكسيژن 21 ،درصد تنگ شدگي دهانة شمع و 911درصد گشاد شدن را ايجاد ميكند .به اين ترتيب ميتوان با تحليل ارتعاشات دستگاه به
دهانة شمع در نظر گرفته شد .همچنين دادههاي دما و نيز محتواي مشکالت و عيوب آن پي برد [.]8
گازهاي خروجي براي تحليل استفاده شدند .ونگ 1و ونگ،]98[ 91 با توجه به افزايش تقاضا در عملکرد و بازده بهتر و نيز افزايش در
روشي براي عيبيابي در موتورهاي بنزيني ارائه كردند .در اين تحقيق قابليت اطمينان خودروها ،تشخيص عيب در مقولة پايش وضعيت
از دادههاي الگوي اشتعال استفاده شد و عيوبي از قبيل مقاومت باال دستگاه ها اهميت زيادي پيدا كرده است .تشخيص اولية عيوب
در سيم شمع ،كم شدن فاصلة الکترودهاي شمع ،كوبش و نشتي موتورها در حاليكه موتور در حال كار است ،ميتواند در جلوگيري از
چندراهة ورودي بررسي شدند .چن 99و همکاران [ ،]93به عيب يابي وقوع حوادث غير قابل پيشبيني كمک كند .بهطور مثال اگر عيبي در
موتور با استفاده از ارتعاشات پيچشي و شتاب زاويهاي بدنة موتور سامانة جرقهزني موتور به وجود آيد ،كيفيت احتراق درون استوانه و به
پرداختند .در اين تحقيق از شبکة عصبي براي ايجاد سامانة تشخيصي تبع آن عملکرد موتور تضعيف مي شود و با تضعيف كيفيت احتراق،
استفاده شد .جوان و همکاران [ ،]3به بررسي تأثير خوردگي شمع بر آاليندگي موتور افزايش مييابد و در بعضي شرايط ممکن است يک
ولتاژ الزم براي جرقه زني پرداختند .در اين مقاله ذكر شد كه اين استوانه از كار بيفتد و موتور تنها با سه استوانه كار كند .واضح است
عيب مي تواند بر سامانه جرقه زني فشار آورده و مشکالت ديگري را كه در اين حالت مشکالت بسياري براي موتور ايجاد ميشود.
نيز به همراه داشته باشد. قطبهاي شمع (الکترودها) تمايل به خوردگي دارند بدين معنا كه با
گذشت زمان ،فاصلة ميان قطبهاي شمع به مرور افزايش مي يابد .با
1 deBotton
2 Ari
افزايش فاصلة قطبها ،جرقهاي قويتر نياز است كه در اين حالت ولتاژ
)3 Fast Fourier Transform (FFT
بيشتري از سامانه جرقهزني كشيده ميشود و ممکن است به آن
4 Huang
5 Wu آسيب وارد كند [ .]3اثر مهم ديگري كه شمع معيوب دارد ،افت در
6 Yadav
7 Kalra
بازده است كه براي موتورها مطلوب نيست .بنابراين الزم است چنين
8 Wang عيب اجتناب ناپذيري كه به مرور زمان در شمعها اتفاق ميافتد بموقع
9 Vong
10 Wong
شناسايي شود.
11 Chen
83 سيد اشکان موسويان و همکاران ،فصلنامة علمي -پژوهشي تحقيقات موتور ،شمارة ( 82پاييز ،)9319صفحه 81-89
در اين تحقيق شرايط موتور به نحوي انتخاب شدند كه عيب در نظر مقاله حاضر به مطالعة عيب شمع و شناسايي آن به كمک دادههاي
گرفته شده عالئم واضحي را نشان ندهد ،يعني شرايط براي عيبيابي ارتعاش موتور ميپردازد .تفاوت اين تحقيق با تحقيق ونگ و همکاران
سختگيرانهتر شدند .زيرا با انتخاب كمترين دور و بار صفر ،عالئم [ ،]99در استفاده از عيب بسيار ريزتر و نيز بهكارگيري دادههاي
عيوب ميتوانند پنهانتر از شرايط ديگر باشند. ارتعاش موتور در شناسايي عيب شمع ميباشد .بعالوه ديده ميشود
در گام بعدي شمعهاي سالم و معيوب بهطور جداگانه روي موتور كه در تحقيقات ديگر ،عيب گشاد شدگي دهانة شمع بررسي نشده كه
Downloaded from engineresearch.ir at 12:33 +0330 on Sunday February 17th 2019
نصب شدند .ناگفته نماند كه در حالت معيوب ،شمع خراب تنها روي از اين حيث مبين جديد بودن تحقيق حاضر ميباشد .همچنين،
استوانة 9نصب شد و تمامي شرايط ديگر مشابه حالت سالم بودند .پر روشهاي استفاده شده در اين تحقيق براي شناسايي عيب شمع نيز
واضح است كه در اين شرايط تغيير در رفتار ارتعاشي موتور تنها به نوبة خود منحصر به فرد است.
بهدليل خرابي شمع ميباشد .جدول 9تفاوت ميان شمعهاي سالم و
معيوب را نشان ميدهد .همان طور كه ديده مي شود در حالت )2مواد و روشها
معيوب ،دهانة شمع تقريباً 47درصد بيشتر شده است .به منظور تأييد روش متداول براي تشخيص خرابيها شامل بررسي تغييرات قابل
مشکلزا بودن اين عيب ،ميتوان به مقالة جوان و همکاران [ ]3اشاره اندازهگيري سامانه با توجه به رواداشت مقادير بهدست آمده از پايش
كرد .در اين مقاله ذكر شده است كه با افزايش تنها 81درصد در وضعيت دستگاه با حالت سالمت ميباشد .اين روش نياز به شخصي
دهانة شمع ،ولتاژ الزم براي جرقهزني در فشار 9بار بيش از 99درصد خبره بهمنظور اعمال نظر براي سالمت يا معيوب بودن دستگاه دارد.
افزايش مييابد. در اين تحقيق قصد بر آن است كه سامانة هوشمند تشخيص عيب
پس همان طور كه پيشتر نيز ذكر شد ،يکي از اثرات نامطلوب عيب ارائه گردد بهطوريكه اين سامانه در دادن تصميم سريع نسبت به
گشاد شدن دهانة شمع ،وارد آمدن فشار بر سامانه جرقهزني و آسيب سالم يا معيوب بودن موتور بدون نياز به شخص خبره كمک نمايد.
رساندن به آن است [ .]94همچنين با افزايش دهانة شمع ،مدت زمان براي اين منظور دادههاي ارتعاش براي تشخيص عيب استفاده
جرقه كاهش مييابد كه اين امر در انرژي برقي الزم براي اشتعال گرديدند .سامانة ارائه شده شامل چهار مرحله ميباشد كه بترتيب
مخلوط سوخت و هوا نيز تأثير سويي ميگذارد .بعالوه افزايش دهانة عبارتند از:
شمع هر چند كم ميتواند در الگوي جرقه زني تغيير ايجاد كند كه -تحصيل داده :در اين مرحله دادههاي ارتعاش در حاالت سالم و
همين امر ميتواند موجب افزايش تغييرات چرخهاي فشار مؤثر متوسط معيوب شمع موتور جمعآوري مي شوند.
داخلي شود [ .]3در مجموع ميتوان ذكر كرد كه عيب در نظر گرفته -پردازش داده :در اين مرحله با استفاده از روش تبديل موجک ،نوفه
شده عملکرد سامانه جرقهزني و كاركرد مناسب موتور را تحت تأثير دادهها گرفته ميشود.
قرار داده است .همچنين اگر در اين شرايط عيب تشخيص داده نشود، -استخراج ويژگي :در اين مرحله به كمک توابع آماري مختلف،
پس از گذشت زمان عيب پيشرفت كرده و مشکالت بيشتري را براي ويژگيهاي وابسته به دادههاي سالم و معيوب استخراج ميشوند.
موتور ايجاد ميكند. -تصميم گيري :در اين مرحله كه به مرحلة طبقهبندي نيز معروف
است ،به كمک شبکة عصبي 9وضعيت شمع تشخيص داده ميشود
[.]1
)1-2تحصيل داده
در اين تحقيق آزمايشها بر روي موتوري چهار استوانة بنزيني انجام
شد (شکل .)9اين موتور بهنام XU7معروف بوده و براي خودروهايي
نظير پژو 415و سمند بهكار مي رود .آزمونها در دور درجا و در
شرايط بدون بار انجام شدند .دليل انتخاب شرايط مذكور اين است كه
اساساً عيوب در شرايط سختتر (با دور تندتر و بار بيشتر) ميتوانند
تأثيرگذارتر شوند يعني ميتوانند بهشکل واضحتري خود را نشان
دهند .مسلماً در اين شرايط فرآيند عيبيابي آسانتر شده و شناسايي
شکل :9موتور آزمون عيب به مراتب سهلتر خواهد شد.
كه Nطول داده و σانحراف معيار نوفه ميباشد [.]95 جدول :9مشخصة شمع سالم و معيوب
شايان ذكر است كه فرآيند حذف نوفه استفاده شده در اين تحقيق به فاصلة قطبها يا الکترودها (ميليمتر) وضعيت شمع
كمک نرمافزار MATLABبا برنامة رايانهاي اين روش و مشابه روند 1/15 سالم
طي شده در پژوهش عباسيون و همکاران [ ]95انجام شده است. 9/4 معيوب
Downloaded from engineresearch.ir at 12:33 +0330 on Sunday February 17th 2019
انحراف معيار
Downloaded from engineresearch.ir at 12:33 +0330 on Sunday February 17th 2019
شکل :3ساختار بهينة شبکة عصبي براي تشخيص عيب در شمع واريانس
چولگي
)3نتايج و بحث
شکل 4دادههاي ارتعاش حالت معيوب شمع موتور را قبل و بعد از كورتسيس
حذف نوفه نشان ميدهد .شکل طيف داده بدون نوفه نيز در شکل 5
نشان داده شده است .در اين شکل مالحظه ميشود كه بسامد غالب شاخص ضربه
اين داده در بسامد دو برابر دور موتور ميباشد .بدين معني كه اولين سري داده و Nتعداد داده در هر سري داده است كه
بيشينة دامنه در موتور بنزيني چهار استوانه در هارمونيک دوم رخ
ميدهد .اين امر بهدليل فرآيند احتراق است كه در هر يک دور ميل )4-2شبكة عصبي
لنگ ،دو احتراق در موتور رخ ميدهد .بنابراين طيف نشان داده شده شبکههاي عصبي مصنوعي سامانههايي براي پردازش اطالعات
در دادة بدون نوفه ،داراي بسامدهاي منظور ميباشد ،يعني فرآيند هستند كه سازوكار آنها از سامانة عصبي زيستي الهام گرفته است.
حذف نوفه توانسته است بخوبي مشخصههاي بسامدي داده را نشان شبکههاي عصبي مصنوعي كه به اختصار شبکههاي عصبي ناميده
دهد .از طرف ديگر بدون حذف نوفه اين مشخصهها پنهان ميماند و ميشوند ،از تعدادي واحدهاي پردازش متصل به هم ()neuron
نتايج اشتباهي بهدست خواهند آمد ،زيرا دادههاي ارتعاش موتور بشدت تشکيل يافتهاند .قابليت مهم شبکههاي عصبي يادگيري ميباشد.
نوفه دار و غيرگذرا و عالئم عيب در آنها غير قابل شناسايي ميشوند. يادگيري در شبکههاي عصبي ،مانند انسان ،از روي مثال ميباشد .در
شکلهاي 6و 7مقايسهاي ميان دادههاي ارتعاش ناشي از شمعهاي سالهاي اخير گزارشات فراواني مبني بر استفاده از شبکههاي عصبي
سالم و معيوب را نشان ميدهند .با مقايسة دادهها در حوزة زمان ،ديده در رشتههاي مختلف علوم به ثبت رسيده است.
ميشود كه تمايز ميان حاالت سالم و معيوب به صورت بصري امکان با توجه به كاربرد گستردة شبکههاي عصبي از نوع پيشخور پس
پذير نميباشد .همين امر دليلي بر ريز بودن عيب در نظر گرفته شده انتشار در مسايل طبقهبندي ،در تحقيق حاضر نيز از اين نوع شبکه
در اين تحقيق است .بدين معنا كه عيب موجود در شمع به قدري ريز استفاده شد .همچنين شبکة عصبي طراحي شده داراي ساختار سه
بوده كه عالئم مشخصي را در دادههاي ارتعاش پديد نياورده است، اليه ميباشد كه شامل الية ورودي ،الية پنهان و الية خروجي است.
پس براي شناسايي اين عيب نياز به تحليلهاي بيشتري ميباشد .در در الية ورودي تعداد عصبها برابر با تعداد ويژگيهاي استخراج شده
شکل ،7دادههاي حوزة بسامد براي حاالت سالم و معيوب شمع آورده ميباشد .تعداد عصبهاي الية خروجي بايد برابر تعداد دستههاي
شده است .شايان ذكر است كه اين شکل طيفها پس از عمليات موجود باشد ،پس در اين تحقيق به موجب وجود دو حالت سالم و
حذف نوفه از دادههاي ارتعاش بهدست آمدند .ديده ميشود كه در اين معيوب ،دو عصب در الية خروجي قرار دارد .همانطور كه اشاره شد
حوزه ،اجزاء بسامدي وابسته به ارتعاشات موتور به وضوح مشخص تعداد عصبهاي دوالية ورودي و خروجي با توجه به صورت مسئله
بوده و تفاوت دو حالت نمايانتر شده است كه اين نتايج مطلوب ناشي تعيين مي شوند و تنها الية پنهان است كه قابليت تغيير به كمک
از بهكارگيري روش حذف نوفه بوده است. كاربر را دارد .به همين دليل شبکه با تعداد مختلفي از عصبهاي اليه
در مرحلة استخراج ويژگي ،توابع آماري ذكر شده در جدول 8برروي پنهان تحت آموزش قرار گرفت تا ساختار بهينه ايجاد شود .در نهايت
دامنة ارتعاش دادههاي بدون نوفه اعمال شدند .به اين طريق مجموعة ديده شد كه شبکه با 5عصب درالية پنهان داراي بهترين عملکرد
كلي داده براي حاالت سالم و معيوب تشکيل شد .ناگفته نماند كه در ميباشد .شکل 3ساختار بهينة شبکة طراحي شده را نشان ميدهد.
تحقيق حاضر براي هر حالت موتور 35نمونه جمعآوري شد.
86 سيد اشکان موسويان و همکاران ،فصلنامة علمي -پژوهشي تحقيقات موتور ،شمارة ( 82پاييز ،)9319صفحه 81-89
جدول :3شرح مجموعة دادهها بنابراين ميتوان گفت كه اين مجموعه داده شامل يک جدول كلي
تعداد داده هاي آزمايش تعداد داده هاي آموزش وضعيت موتور ميباشد كه سطر و ستون آن بترتيب نمونهها و ويژگيهايند ،يعني
95 81 با شمع سالم يک جدول 71×7ايجاد شد .سپس مجموعة كلي داده به دو قسمت
95 81 با شمع معيوب دادههاي آموزش و دادههاي آزمايش براي فرآيندهاي يادگيري و
اعتبارسنجي شبکة عصبي تقسيم شدند .جدول 3تقسيمبندي دادهها
Downloaded from engineresearch.ir at 12:33 +0330 on Sunday February 17th 2019
Healthy
0.2 را بتفکيک نشان ميدهد.
0.15
)Amplitude (V
0.1 4
0.05 2
)Amplitude (V
0 0
0 20 40 60 80 100 120 140 160 180 200
-2
Faulty
0.12
-4
0.1 0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
)Time (s
)Amplitude (V
0.08
0.06 0.4
0.04
0.2
)Amplitude (V
0.02
0 0
0 20 40 60 80 100 120 140 160 180 200
)Frequency (Hz
-0.2
بود .بهمنظور بررسي صحت و عملکرد روش ارائه شده ،شبکة عصبي
0.1 2Xrpm
به كمک دادههاي آزمايش كه در فرآيند آموزش شبکه حضور
نداشتند ،ارزيابي شد .شايان ذكر است كه اين ارزيابي با ارزيابيهاي 0.08
)Amplitude (V
دروني خود شبکة عصبي كه بهمنظور تشخيص زمان پايان آموزش و 0.06
دقت آموزش است متفاوت ميباشد .تفاوت شايان توجه اين ارزيابي
0.04
با ارزيابي دروني (ارزيابي آموزش) شبکه در اين است كه با اينکه 1Xrpm
ارزيابي دروني شبکه اطالعات مناسبي دربارة كيفيت شبکة آموزش 0.02
ديده بدست ميدهد اما هدف در اين پژوهش تدوين ساختار و 0
0 20 40 60 80 100 120 140 160 180 200
)Frequency (Hz
سامانهاي است كه قابليت تشخيص در شرايط مختلف و حتي
شکل :5طيف دادة حالت معيوب شمع بعد از حذف نوفه
آزمونهاي برخط را داشته باشد .به همين دليل به جاي انتخاب
تصادفي دادههاي آزمون از ميان كل دادهها (كه روشي متداول است)، 4
Healthy
استفاده از روش تصادفي باعث ميشود شبکه با شرايط تمامي تکرارها 0
-4
دادههاي آزمايش از تکرارهاي متفاوت ،شبکه را در برابر مسئلهاي تازه 0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Faulty
قرار ميدهد و در واقع شرايط واقعي كاربرد را ايجاد ميكند .در صورت 4
استفاده از اين روش ممکن است كمي دقتهاي بدست آمده كمتر از 2
)Amplitude (V
0
روش تصادفي باشد اما آنچه مهم است قابليت و دقت واقعي سامانه
-2
در مسائل طبقهبندي با دادههاي جديد است كه روش حاضر اين امر
-4
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
را تا حدود زيادي تحقق ميبخشد. )Time (s
100
Train به طور خالصه ،دادههاي آموزش دادههايي اند كه همراه با دسته-
Validation
10-2 Test
Best
هايشان به شبکه اعمال ميگردند در حاليكه دادههاي آزمايش داده-
)Mean Squared Error (mse
10-4
هايي هستند كه پس از آموزش ،به شبکه اعمال ميگردند تا دستة
10-6
اين دادهها را شناسايي كند .سپس دستههاي شناسايي شده به كمک
10-8
شبکه با دستههاي واقعي دادهها مقايسه شده و مقدار دقت تشخيص
10-10
Downloaded from engineresearch.ir at 12:33 +0330 on Sunday February 17th 2019
[13] J. Chen, R.B. Randall, B. Peeters, H. Van der [8] J.D. Wu, C.K. Huang, Y.W. Chang, Y.J. Shiao, Fault
Auweraer, W. Desmet, Automated misfire diagnosis diagnosis for internal combustion engines using
in engines using torsional vibration and block intake manifold pressure and artificial neural
rotation, Journal of Physics: Conference Series, Vol. network, Expert Systems with Applications, Vol. 37,
364, 2012 pp. 949-958, 2010
[14] J. Han, H. Yamashita, N. Hayashi, Numerical [9] E. Ebrahimi, K. Mollazadeh, Intelligent Fault
study on the spark ignition characteristics of Classification of a Tractor Starter Motor Using
hydrogen–air mixture using detailed chemical Vibration Monitoring and Adaptive Neuro-Fuzzy
Downloaded from engineresearch.ir at 12:33 +0330 on Sunday February 17th 2019
kinetics, International Journal of Hydrogen Energy, Inference System, Insight, Vol. 52, pp. 561-566, 2010
Vol. 36, pp. 9286-9297, 2011 [10] S.K. Yadav, P.K. Kalra, Automatic Fault Diagnosis
[15] S. Abbasion, A. Rafsanjani, A. Farshidianfar, N. of Internal Combustion Engine Based on
Irani, Rolling element bearings multi-fault Spectrogram and Artificial Neural Network, in
classification based wavelet denoising and support Conference on Robotics, Control and Manufacturing
vector machine, Mechanical Systems and Signal Technology, Hangzhou, China, pp. 101-107, 2010
Processing, Vol. 21, pp. 2933–2945, 2007 [11] M.H. Wang, K.H. Chao, W.T. Sung, G.J. Huang,
Using ENN-1 for fault recognition of automotive
engine, Expert Systems with Applications, Vol. 37,
pp. 2943–2947, 2010
[12] C.M. Vong, P.K. Wong, Engine ignition signal
diagnosis with Wavelet Packet Transform and Multi-
class Least Squares Support Vector Machines, Expert
Systems with Applications, Vol. 38, pp. 8563–8570,
2011
S.A. Moosavian et al., The Journal of Engine Research, Vol. 28 (autumn 2012), pp. 21-29 29
Article history: The spark plug condition is an effective parameter on the combustion
Received: 04 October 2013 quality of a spark ignition (SI) engine. If the condition of the spark plug
Accepted: 11 November 2013 becomes abnormal, pollutions and the efficiency of the engine will be
Keywords: affected. In the present paper, a procedure is proposed based on the
Fault diagnosis
vibration analysis for the spark plug fault detection. Vibration signals of the
Engine spark plug
Vibration analysis SI engine were collected by an accelerometer under two spark plug
Denoising conditions, namely, normal and abnormal conditions. In order to remove
Neural network 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.