این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مهندسی مکانیک مدرس، جلد ۱۴، شماره ۱۶، صفحات ۳۳۹-۳۴۸
عنوان فارسی شناسایی سوزن شکسته در ماشین گردباف یکروسیلندر با استفاده از شبکه عصبی بروی سیگنال‌های نوسانی جریان حرکتی نخ
چکیده فارسی مقاله کیفیت پارچه بافته‌شده در ماشین‌آلات گردباف نسبت به هر گونه تغییرات ناخواسته در مکانیزم بافت و اجزای آن منجمله بروز پدیده سوزن‌شکسته که سبب پیدایش عیب خطوط عمودی در سطح پارچه می شود، حساس است. پایش وضعیت ماشین‌آلات گردباف به منظور افزایش کیفیت و کاهش هزینه‌های تولید، امری اساسی و ضروری به نظر می رسد. در فرایند بافندگی زمانی که نخ توسط سوزن جهت تشکیل حلقه بافت به سمت پایین کشیده می شود، نیروی کششی ایجاد شده درون نخ سبب بروز نوسانات جریان حرکتی نخ در حال تغذیه می گردد. هدف از تحقیق حاضر شناسایی عیب شکستگی سوزن و تعداد آنها در ماشین گردباف یکروسیلندر با استفاده از شبکه عصبی بروی سیگنال‌های نوسانی جریان حرکتی نخ است. روند اجرایی آزمایشات به گونه‌ای طراحی شد که سه وضعیت معیوب سوزن‌شکسته در شرایط تولید صنعتی به ماشین گردباف اعمال گردید. سیگنال نوسانی جریان تغذیه نخ توسط سامانه ثبت نوسانات، ذخیره و آغشتگی نویز آن با استفاده از تکنیک موجک حذف و سپس به کمک روش‌های آماری و استفاده از جزئیات به‌دست‌آمده از آنالیز موجک، استخراج ویژگی‌ها صورت گرفت. در نهایت قابلیت شبکه عصبی در تفکیک سیگنال‌ها به چهار دسته سالم، یک، دو و چهار سوزن شکسته محک خورد. بررسی نتایج نشان می‌دهند که دقت تشخیص تعداد سوزن‌های شکسته در این روش با پنجاه مرتبه تکرار 99.43 درصد است.
کلیدواژه‌های فارسی مقاله عیب‌یابی،ماشین گردباف یکروسیلندر،شبکه عصبی،تبدیل موجک
عنوان انگلیسی Identification of broken needle in single jersey circular knitting machine using neural network on yarn fluctuations signals
چکیده انگلیسی مقاله The quality of knitted fabric in circular knitting machines is highly sensitive to any undesired changes in the mechanism and components involved. For instance, a broken needle causes defects on the surface of knitted fabric. Consequently in order to increase the quality and reduce production cost, rapid detection and diagnosis of defected needles on industrial circular weft knitting machines is a crucial need. In these machines when the yarn is pulled down by the needles to knit a loop the created yarn tension, causes fluctuations in the feeding yarn flow. The aim of present research is to identify broken needle defects and their numbers, during yarn feeding in a circular knitting machine, employing neural network analysis on yarn fluctuation signals. The experiments procedures were designed so that three needle defected conditions were implemented on an industrial circular knitting machine. The yarn fluctuation signals were captured and saved, then using wavelet the contaminated signal noise was removed. Statistical and wavelet analysis are implemented to produce the required features. Finally the capability of neuro network for classification of four groups of data including healthy, one, two and four broken needles were examined. The results show that 99.43 % accurate distinction of broken needles is achieved in 50 iterations.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله مجید معاونیان | Majid Moavenian
Academic member of Ferdowsi University of Mashhad Mech Eng. FDI
دانشیار عضو هیأت علمی دانشگاه فردوسی مشهد دانشکده مهندسی گروه مکانیک-FDI

محسن پژوهیانی | Mohsen Pazhoohiyani
Msc Student, Mech. Eng., Ferdowsi University Of Mashhad, Mashhad, Iran.
دانشجوی کارشناسی ارشد گروه مکانیک دانشگاه فردوسی مشهد

محمد احسان مومنی هروی | Mohammad Ehsan Momeni Heravi
Academic member of Islamic Azad University, Mashhad Branch.
عضو هیئت علمی دانشگاه آزاد اسلامی واحد مشهد

نشانی اینترنتی http://journals.modares.ac.ir/browse.php?a_code=A-15-1000-9473&slc_lang=fa&sid=15
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1256/article-1256-599466.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات