การจำแนกสัญญาณการสั่นสะเทือนของคอมเพรสเซอร์แบบลูกสูบอัดอากาศสองชั้นด้วยโครงข่ายประสาทเทียม

Classification vibration signals of a two-stage reciprocating compressor using artificial neural network

Name: กิตติศักดิ์ สุดดวง

Organization : มหาวิทยาลัยเทคโนโลยีมหานคร. คณะวิศวกรรมศาสตร์

Name: สมศักดิ์ เพ็ชร์กุล

Organization : มหาวิทยาลัยเทคโนโลยีมหานคร. คณะวิศวกรรมศาสตร์

Name: พรชัย นิเวศน์รังสรรค์

Organization : มหาวิทยาลัยเทคโนโลยีมหานคร. คณะวิศวกรรมศาสตร์

Email : nporncha@mut.ac.th

keyword: โครงข่ายประสาทเทียม

; การจำแนก

; คอมเพรสเชอร์

Abstract: การตรวจสอบสภาวะของคอมเพรสเซอร์มีการศึกษาโดยใช้สัญญาณต่างๆ เช่น สัญญาณการสั่นสะเทือน สัญญาณเสียง หรือสัญญาณความดัน โดยสัญญาณที่ตรวจวัดจะเกี่ยวข้องกับกระบวนการทางกลและของไหลที่เกิดขึ้นในวัฎจักรการทำงานของคอมเพรสเซอร์ สำหรับการศึกษานี้คอมเพรสเซอร์แบบลูกสูบอัดอากาศสองชั้นจะถูกใช้จำลองการทำงานที่เงื่อนไขต่างๆ เช่น การทำงานปกติ ความเสียหายที่แผ่นวาล์วด้านดูดทางด้านห้องความดันต่ำ ความเสียหายที่แผ่นวาล์วด้านส่งทางห้องความดันสูง ความเสียหายทั้งแผ่นวาล์วด้านดูด (ห้องความดันต่ำ) และ แผ่นวาล์วด้านส่ง (ห้องความดันสูง) โดยใช้สัญญาณการสั่นสะเทือนที่ตรวจวัดได้จากหัววัดการสั่นสะเทือนซึ่งติดตั้งอยู่ที่ฝาสูบของคอมเพรสเซอร์ พร้อมทั้งวัดรอบการทำงานด้วย Proximity ข้อมูลที่ตรวจวัดได้จะนำมาจำแนกประเภทด้วยโครงข่ายประสาทเทียมโดยข้อมูลจะถูกจำแนกออกเป็น 2 ประเภทคือ ปกติ (Normal) และผิดปกติ (Abnormal) ผลการทดลองแสดงให้เห็นว่าโครงข่ายประสาทเทียมให้ประสิทธิภาพในการจำแนกประเภทข้อมูลเท่ากับ 97.22 เปอร์เซ็นต์

Abstract: Condition monitoring of compressors has been studied by using various signals such as vibration, sound or pressure signals. These detected signals associate with mechanical and fluid flow processes in the compressor cycle and can be used for fault monitoring in a compressor. In this study, the two-stage reciprocating compressor was used to demonstrate various conditions e.g. normal, suction valve of low pressure damage, discharge valve of high pressure damage, suction valve of low pressure and discharge valve of high pressure damage conditions with vibration signal detected from vibration sensors attached on the cylinder head of the two-stage compressor. In addition, a proximity sensor was used to measure rotational speed of compressor. This detected data set to classification using artificial neural network were the classified, consisting two classes there were normal class and abnormal class. Experimental results show that the classification data set performance artificial neural network is 97.22 %.

มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ. สำนักหอสมุดกลาง

Address: กรุงเทพมหานคร

Email: library@kmutnb.ac.th

Created: 2553

Modified: 2019-08-23

Issued: 2562-07-10

บทความ/Article

application/pdf

BibliograpyCitation : ใน สมาคมวิศวกรเครื่องกลไทย และมหาวิทยาลัยอุบลราชธานี คณะวิศวกรรมศาสตร์. การประชุมวิชาการเครือข่ายวิศวกรรมเครื่องกลแห่งประเทศไทย ครั้งที่ 24 (ME-NETT 2010) (DRC35). อุบลราชธานี : มหาวิทยาลัยอุบลราชธานี

tha

©copyrights มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	ME-NETT 2010DRC35.pdf	681.16 KB	6	2024-06-21 11:28:43

ใช้เวลา

-0.968526 วินาที