پروژه متلب تشخیص عیوب توربو کمپرسورهاي گازي از طریق پاسخ ارتعاشی با استفاده از ماشین هاي بردار پشتیبان  SVM

پروژه متلب تشخیص عیوب توربو کمپرسورهاي گازي از طریق پاسخ ارتعاشی با استفاده از ماشین هاي بردار پشتیبان  SVM

تشخیص عیوب توربو کمپرسورهاي گازي  با استفاده از الگوریتم  SVM  در متلب | MATLAB

Detection and classification of gas turbo–compressor faults using vibrational response data and support vector machines(SVM) 

ت. پرسش اصلی تحقیق (مساله تحقیق):
آیا پاسخ ارتعاشی موجود بر روي یاتاقانها روش مناسبی براي تشخیص عیوب و ایرادات توربو کمپرسور می باشد؟
تعیین میزان کارایی پردازش سیگنال ارتعاشی یاتاقانها در تشخیص عیوب توربو کمپرسورها به چه میزانیست؟
آیا می توان بر اساس اطلاعات ارتعاشی مختلف و با استفاده از روش SVM عیوب سیستم را طبقه بندي نمود؟

۵٫بیان مسأله (مقدمه، تشریح ابعاد، حدود مسأله، معرفی دقیق مسأله، بیان جنبههاي مجهول و مبهم و متغیرهاي مربوط به پرسشهاي تحقیق، منظور تحقیق):
صنعت انتقال گاز کشور یکی از اصلی ترین زیرساختها و زیر ساخت توسعه پایدار کشور می باشد. اکثر چاههاي نفتی و گازي ایران در قسمت جنوب و جنوب غربی کشور می باشند و جهت انتقال پایدار گاز به تمام نقاط کشور و همچنین امر صادرات گاز، نیاز به داشتن شبکه انتقال گاز مطمئن و بکارگیري از تکنولوژي هاي به روز می باشد. لذا در سراسر کشور خطوط انتقال گاز و تاسیسات تقویت فشار گازي طراحی شده و وظیفه انها انتقال پایدار گاز در تمام فصول سال می باشد. یکی از اساسی ترین قسمتها در هر تاسیسات انتقال گاز، توربوکمپرسور گاز تاسیسات می باشد که در واقع قلب تپنده صنعت انتقال گاز بوده و وظیفه افزایش فشار و جریان گاز را برعهده دارند. براي نگهداري مناسب از توربین ها و کمپرسورها با توجه به وضعیت تحریم کشور، استفاده از روشهاي تست هاي غیر مخرب براي بررسی ایرادات و وضعیت کاري توربو کمپرسورها بسیار مهم میباشد، لذا از تکنیک هاي مختلفی براي پایش وضعیت موجود توربوکمپرسورها و پیش بینی ایرادات جهت استمرار کارکرد دائمی تجهیزات و جلوگیري شات داون آنها به عنوان اقدامات پیشگیرانه استفاده می شود، یکی از اصلی ترین این اطلاعات، استفاده و آنالیز سیگنالهاي ارتعاشی مربوط به توربین و کمپرسور می باشد. استفاده از اطلاعات ارتعاشی موارد زیر را ممکن می سازد: ارزیابی وضعیت کاري ماشین- تشخیص علایم شروع و رشد عیب- شناسایی علت و قطعات آسیب دیده و پیشگویی میزان عمر کاري باقیمانده ماشین آلات. با استفاده دائمی از روشهاي پایش وضعیت پیشرفته براي عیب یابی ماشین، میتوان از آسیب  دیدگی شدید ماشین و هزینه هاي بالاي تعمیرات جلوگیري کرد و ایرادات را در مراحل اولیه شناسایی نمود. در حال حاضر عمل پایش وضعیت توربوکمپرسورها در شرکت گاز و همچنین منطقه هشت عملیات انتقال گاز به صورت دوره اي انجام میگیرد. تنوع شرایط کاري و تعدد وضعیت هاي ارتعاشی و حجم بالاي داده هاي موجود باعث گردیده که شناسایی و پیش بینی دقیق وضعیت ارتعاشی توربین امري پیچیده و نیاز به حجم محاسبات بالا داشته باشد. یکی از تکنیک هاي جدید و کارآمد طبقه بندي هوشمند و سریع داده ها استفاده از روش بردارهاي ماشین پشتیبان  SVM است. هدف از این پایان نامه بررسی و پیاده سازي تکنیک SVMو استفاده از ویژگیهاي مناسب جهت طبقه بندي سریعتر و دقیق تر داده هاي ارتعاشی می باشد. بدین منظور ویژگیهاي مناسبی جهت طبقه بندي داده هاي ارتعاشی استخراج خواهد شد تا به عنوان ورودي طبقه بندي کننده SVM بکار رود. ویژگیها بیانگر سطوح مختلفی از ایرادات ارتعاشی می باشد و به همراه طبقه بندي کننده ،SVMبه شناسایی و اولویت
بندي عیوب ارتعاشی توربین پرداخته خواهد شد. دسته بندي مجموعه داده هاي ارتعاشاتی به صورت دستی و تشخیص چشمی در جند گروه انجام خواهد شد و با توجه به تنوع انواع توربو کمپروسور براي افزایش دقت پیشبینی به علت متفاوت بودن فیزیک مساله نوع کمپروسور به همراه داده هاي ارتعاشاتی به سیستم داده خواهد شد. عملیات هاي محاسباتی و شبیه سازي بر روي داده هاي ارتعاشی توربوکمپرسور ها از طریق نرم افزارمتلب انجام خواهد شد. الگوریتم SVMاز جمله روشهاي جدیدي است که در سالهاي اخیر کارایی خوبی نسبت به روش هاي قدیمی تراز جمله شبکه هاي عصبی پرسپترون براي طبقه بندي اطلاعات نشان داده است. مبناي کاري دسته بندي کننده SVM دسته بندي خطی داده ها است و در تقسیم خطی داده ها سعی میکنیم خطی را انتخاب کنیم که حاشیه اطمینان بیشتري داشته باشد. الگوریتم SVM جز الگوریتم هاي تشخیص الگو، دسته بندي می شود. لازم به توضیح است که داده هاي موجود داده هاي تجربی مربوط به توربو کمپروسورهاي منطقه ۸عملیات انتقال گاز کشور می باشند که در این تحقیق بر روي آنها متمرکز خواهیم گشت. جهت اعتبار سنجی نتایج تعدادي از داده هاي تجربی را پس از دسته بندي کنار خواهیم گذاشت و از طریق آنها میزان دقت و رفتار روش اعمال شده در متلب ارزیابی خواهد شد

۶٫سوابق مربوط به پیشینه نظري و عملی (بیان مختصر سابقه تحقیقات انجام شده درباره موضوع و نتایج بدست آمده در داخل و خارج از کشور و نظر یههاي علمی موجود درباره موضوع تحقیق):

در مرجع ۱: seoو همکاران روشی را براي آشکار سازي عیوب توربین با استفاده از ماشین هاي بردار پشتیبان و شبکه هاي عصبی در شرایط کارکرد آفلاین سیستم ارائه دادند. مدل ترکیبی آنها مبتنی بر ترکیبی از شبکه هاي عصبی مصنوعی و یک بردار پشتیبان براي بدست آوردن یک الگوریتم نظارتی بر سلامت توربین گاز می باشد.

در مرجع ۲ : Kimو همکاران یک شبکه عصبی مصنوعی بر اساس کدگذاري الگوریتم ژنتیک و استفاده از بردار پشتیبان براي تشخیص نقص در شفت موتور هواپیما بکارگرفته اند و با استفاده از کمترین دیتاها براي بدست آوردن احتمال سقوط هواپیما. 

مرجع  ۱ فارسی: در تاریخ ۸۴/۱۱/۰۸ توسط دانشگاه صنعتی شریف پایان نامه اي تحت عنوان: تعیین تقریبی زمان توقف ماشین با توجه به اطلاعات ارتعاشی موجود کار شده. در این پژوهش به استراتژیهاي نوین نگهداري سیستم ها، تشخیص ترك با استفاده از ارتعاشات مورد توجه قرار گرفته و به بررسی تشخیص ترك و پیشبینی رشد ترك پرداخته شده است. در حالیکه پایان نامه جدید به صورت کلی تشخیص و طبقه بندي عیوب ارتعاشی توربوکمپرسورها را انجان خواهد داد لذا در موضوع، روش هاي اجراي کار و نتایج بدست آمده متفاوت خواهد بود.

مرجع ۲ فارسی:در تاریخ ۸۴/۰۴/۰۱پروژه پژوهشی تحت عنوان بررسی توربوکمپرسورهاي خطوط انتقال گاز با آنالیز ارتعاشات توسط دانشگاه صنعتی شریف به اجرا در آمده. در این پروژه ابتدا مشخصات فنی توربوکمپرسورهاي موجود در ایستگاههاي تقویت فشار که در مراحل بعدي آنالیز ارتعاشات مورد نیاز بوده بیان گردیده.
پارامترهاي ارتعاشی براي هر کمپرسور که باید اندازه گیري شود معرفی شده، مقادیر مجاز ارتعاشی بیان شده، عوامل ارتعاش زا در توربوکمپرسورها و مشخصات ارتعاشی آنها بیان گردیده. در نهایت طرح جامع پایش وضعیت توربوکمپرسورهاي خطوط انتقال گاز بر اساس بازدیدهاي انجام شده و در تجارب موجود بیان شده است، علاوه بر آنالیز ارتعاشات پارامترهاي مهم دیگر نیز که در پایش وضعیت موثر می باشد، مورد بررسی قرار گرفته و در نهایت طرح کاملی جهت اجرا بدست آمده. پایان نامه جدید با استفاده از الگوریتم SVM که یک روش جدید در حوزه هوش مصنوعی می باشد با استفاده از دیتا هاي ارتعاشی هر توربوکمپرسور را در یک طبقه خاصی از میزان عیوب قرار می دهد، سرعت بالا و دقت زیاد از محاسن روش جدید می باشد.

مرجع  ۳ فارسی:در تاریخ ۸۴/۰۹/۰۸عیب یابی اجزائ ماشین آلات دوار به کمک اندازه گیري ارتعاشی به صورت یک پایان نامه انجام شده در این پایان نامه عیوب به صورت کلی پرداخته شده و تمامی ماشین آلات دوار مورد نظر بوده در حالیکه در پایان نامه جدید به صورت اختصاصی بر روي توربوکمپرسورهاي خاصی بحث خواهد شد. همچنین روش خاص الگوریتم SVMمد نظر بوده و تمامی طبقه بندي ها و تحلیل ها با این الگوریتم انجام خواهد شد.

مرجع  ۴ در مورخ ۹۲/۰۸/۰۷طی پایان نامه اي با عنوان کاهش دامنه ارتعاشات در لوله هاي ایستگاههاي تقلیل فشار گاز که توسط دانشگاه سمنان شروع شده به بررسی عوامل ارتعاشی لوله هاي انتقال گاز بخصوص در تاسیسات تقلیل فشار گاز پرداخته شده است و در حال حاضر نیز ادامه دارد. در حالیکه پایان نامه جدید بر روي توربوکمپرسورهاي گازي بحث خواهد کرد لذا وجه اشتراکی بین این دو پایان نامه وجود ندارد.

مرجع  ۵ در مورخ ۹۰/۰۹/۲۲توسط دانشگاه صنعتی شریف طی پایان نامه اي به آنالیز ارتعاشات موتورهاي دیسکی پرداخته شده،در این پژوهش مدل سازي روتورهاي دیسکس با در نظر گرفتن تاثیرات تماس بین دیسک ها انجام گرفته، با استفاده از مدل اجزائ محدود به آنالیز ارتعاشات خمشی در روتورهاي دیسکی پرداخته شده.
در این پایان نامه مدل سازي با استفاده از المان هاي مناسب براي هر کدام از قسمت هاي روتور دیسکی انجام گرفته و در ادامهفرکانس هاي طبیعی به شکل مود هاي خمشی و سرعت هاي بحرانی روتورهاي دیسکی مورد مطالعه قرار گرفته. همانطور که در بالا مشخص گردید پژوهش انجام گرفته بر روي موتورهاي دیسکی بوده و پایان نامه جدید بر روي توربوکمپرسورها انجام خواهد شد. روش بکار برده شده و نتایج بدست آمده کاملا متفاوت می باشد.

مرجع  ۶ در تاریخ ۸۷/۰۹/۲۴دانشگاه صنعتی شریف طی پایان نامه اي با عنوان: تخمین عمر یاتافان هاي غلتشی با استفاده از الگوریتم هاي تطبیقی بر اساس رفتار ارتعاشی آنها انجام گرفته. در این پایان نامه از روش الگوریتم RLS به خرابی ناشی از خستگی سطح در اجزاي یاتاقان هاي غلتشی، راهکارهایی جهت تعیین مساحت ناحیه خرابی در رینگ هاي داخلی و خارجی یاتاقان هاي غلتشی و پیش بینی روند رشد آن ارائه شده است. در حالیکه پایان نامه جدید از الگوریتم SVMبراي عیب یابی و طبقه بندي عیوب وایبریشن توربوکمپرسورهاي گازي استفاده شده و هر توربین بر اساس ایرادات و سیگنالهاي ارتعاشی در طبقه خاص خود قرار خواهد گرفت. هم در روش اجرا و هم در موضوع و هدف یا نتایج با هم متفاوتند

۷٫اهداف تحقیق به صورت کلی و جزئی (شامل اهداف علمی،کاربردي و ضرورتهاي خاص انجام تحقیق):
تشخیص عیب نوعی بر اساس تقسیم بندي اولیه از طریق میزان ارتعاش و پیش بینی عیب مربوطه. دسته بندي ایرادات توربوکمپرسورها براي مشخص و بر طرف نمودن آن قبل از خرابی سیستم. بدست آورن خروجی مطلوب براي هر سیگنال ورودي در حوزه مکان و زمان بر اساس اهداف تحقیق.

۸٫فرضیه هاي تحقیق (هر فرضیه به صورت یک جمله خبري نوشته شود):

دسته بندي اولیه سیگنالها به دسته هاي حداکثر چهارگانه به صورت صحیح انجام می گیرد.سیگنال ارتعاشی سیستم سالم در دسترس می باشد و به عنوان مبنا براي قیاس استفاده خواهد شد.

۹٫متغیر هاي تحقیق :

دیتاهاي بدست آمده از هر توربوکمپرسور

۱۰٫جامعه آماري (توضیح جامعه و حجم آن):
تعداد کل دیتاهاي ارتعاشی موجود در منطقه

۱۱٫نمونه آماري حجم نمونه:
سیگنال ارتعاشی

۱۲٫ابزارهاي اندازهگیري و روش نمونهگیري:
دستگاههاي مخصوص ثبت دیتاي ارتعاشی ماشین آلات

۱۳٫در صورت داشتن هدف کاربردي بیان نام بهرهوران اعم از مؤسسات آموزشی و اجرایی و غیره:
منطقه ۸عملیات انتقال گاز
شرکت انتقال گاز ایران
شرکت ملی گاز ایران

۱۴٫جنبه نوآوري و جدید بودن تحقیق در چیست؟
دسته بندي اشکالات موجود در ماشین هاي دوار از طریق دریافت پاسخ ارتعاشات نقاطی خاص از سیستم از روش هاي شناحته شده در صنعت است. با توجه به فیزیک مساله رفتار هر سیستم وابسته به ویژگیهاي مکانیکی و نیز شرایط نیرویی حاکم بر مساله داراي پاسخ ارتعاشاتی متفاوتی است. از این جهت بررسی موردي هر مساله می تواند جنبه اي از نوآوري را در خود داشته باشد. تشخیص اشکالات سیستم قبل از خرابی و توقف کامل ماشین از جهت کاهش هزینه ها حائز اهمیت بسیار است. شایان ذکر است که در کشور ما تشخیص و دسته بندي ایرادات به علل مختلف عموما به صورت چشمی و از طریق اپراتور ماهر صورت می گیرد. تشخیص اشکال سیستم به صورت هوشمند داراي جنبه هاي بسیار پیچیده اي در عمل است که حسب مورد می تواند متفاوت و متنوع باشد. در تحقیق کنونی مهمترین نو آوري کار دسته بندي ایرادات به صورت هوشمند است. به این فرم که پاسخ ارتعاشی دریافتی از سیستم در محلهاي خاص به صورت تغییر مکان در حوزه زمان براي نوع خاصی از توربو کمپرسور به نرم افزار داده شده و نرم افزار به صورت هوشمند با دقتی قابل قبول با استفاده از داده هاي کتابخانه اي موفق به دسته بندي ایراد جاري توربو کمپروسور خواهد بود. با توجه به فیزیک مساله استفاده از روش SVM مد نظر است، که استفاده از این روش نیز جنبه اي از نوآوري موضوع پایان نامه است.