تعیین وضعیت موتورهای دیزلی با به‌کارگیری شبکه عصبی و تحلیل نتایج آنالیز روغن

نوع مقاله : مقاله پژوهشی

نویسندگان

1 پژوهشگر، گروه مهندسی صنایع، دانشکده و پژوهشکده فنی و مهندسی، دانشگاه جامع امام حسین (ع)، تهران، ایران.

2 کارشناسی ارشد لجستیک و زنجیره تأمین، گروه مهندسی صنایع، دانشکده و پژوهشکده فنی و مهندسی، دانشگاه جامع امام حسین (ع)، تهران، ایران.

dmej/dmej.2023.222384.1023

چکیده

باید توجه داشت که در فرآیند تحلیل و تفسیر نتایج آنالیز روغن، مسائلی نظیر تحقیق و بررسی کارکرد فرسایشی موتورها و ارزیابی و تحلیل رابطه بین وضعیت نهایی موتور و وضعیت مؤلفه‌های مورد تحلیل در آنالیز روغن، پرداخته می‌شود. تحلیل و بررسی این موضوع که مؤلفه‌های مؤثر در تحلیل وضعیت موتور، کدام و میزان تأثیر آن‌ها چقدر است، موردبررسی قرار می‌گیرد. شاخص‌های موردمطالعه در آنالیز روغن عبارت‌اند از: فلزات فرسایشی نظیر آهن، آلومینیوم، سرب، مس، قلع، کروم ،PQ ، ویسکوزیته، سیلیسم.در این مقاله با جمع آوری منابع اطلاعات از نتایج آنالیز روغن موتور دیزلی،ابتدا با استفاده از شبکه عصبی پرسپترون به پیش بینی وضعیت نهایی موتور پرداخته سپس با توجه به نتایج آنالیز روغن تحلیل و تشخیص خبره را برای هر نمونه به دست اورده و پس از باز کردن موتور و مشاهده وضعیت نهایی موتور نتیجه گرفته شد که نتایج تحلیل خبره و پیش بینی انجام شده به صورت معنی داری با وضعیت نهایی موتور مطابقت دارد.

کلیدواژه‌ها

عنوان مقاله [English]

Determining the status of diesel engines using neural network and analyzing the results of oil analysis

نویسندگان [English]

  • Mehdi Bahrampour kor abbas loo 1
  • Hadi Rahmati 2
1 Researcher, Department of Industrial Engineering, Faculty and Research Institute of Engineering, Imam Hussein University, Tehran, Iran.
2 MSc graduated, Department of Industrial Engineering, Faculty and Research Institute of Engineering, Imam Hussein University, Tehran, Iran.
چکیده [English]

It should be noted that in the process of analyzing and interpreting the results of oil analysis, issues such as research and study of engine erosion performance and evaluation and analysis of the relationship between the final state of the engine and the status of components analyzed in oil analysis, are addressed. The analysis examines the components that are effective in analyzing the condition of the engine, what they are and how effective they are. Indicators studied in oil analysis are: Erosive metals such as iron, aluminum, lead, copper, tin, chromium, PQ, viscosity, silicon. Perceptron predicted the final condition of the engine, then according to the results of oil analysis, obtained expert analysis and diagnosis for each sample, and after opening the engine and observing the final condition of the engine, it was concluded that the results of expert analysis and forecast Significantly corresponds to the final state of the engine.

کلیدواژه‌ها [English]

  • Maintenance
  • condition monitoring
  • oil analysis
  • expert analysis
  • neural network

فایل ها

هم رسانی

ارجاع به این مقاله

آمار