پردازش تصویری کاویتاسیون در یک پمپ محوری و آنالیز ارتعاشات حاصل از کاویتاسیون
نام نخستين پديدآور
/ابوالفضل شهرتی آلمالو
وضعیت نشر و پخش و غیره
نام ناشر، پخش کننده و غيره
: فنی مهندسی مکانیک
تاریخ نشرو بخش و غیره
، ۱۳۹۴
نام توليد کننده
، راشدی
یادداشتهای مربوط به نشر، بخش و غیره
متن يادداشت
چاپی
یادداشتهای مربوط به پایان نامه ها
جزئيات پايان نامه و نوع درجه آن
کارشناسی ارشد
نظم درجات
مهندسی مکانیک - تبدیل انرژی
زمان اعطا مدرک
۱۳۹۴/۱۱/۲۰
کسي که مدرک را اعطا کرده
تبریز
یادداشتهای مربوط به خلاصه یا چکیده
متن يادداشت
در این پایاننامه کاویتاسیون در یک پمپ محوری پردازش تصویری شده و ارتعاشات حاصل از آن آنالیز شده است .هدف پایاننامه حاضر این است که با استفاده از نوعی پردازش سیگنال، به وسیلهی دادههای ارتعاشاتی بتوان تشخیص داد که رفتار دادههای ارتعاشاتی به دست آمده از یک آزمایش مورد نظر در یک زاویه پره و سرعت پمپ معین، شبیه کدام یک از حالتهای کاویتاسیونی یا بدون کاویتاسیون در آن شرایط است .روند کار به این صورت بوده است که ۱۱ حالت آزمایش در دبیها، سرعت دورانی و زوایای پره مختلف بر روی یک پمپ محوری انجام شد .در هر آزمایش، هم از داخل پمپ عکسبرداری صورت گرفته است و هم با استفاده از سه حسگر شتاب سنج، نتایج ارتعاشاتی در ورودی، خروجی و روی پمپ ثبت گردید .بر روی تصاویر به دست آمده برای هر حالت، برای آشکار سازی شدت کاویتاسیون پردازش تصویری صورت گرفته و با تعیین یک طیف رنگی، شدت کاویتاسیون با رنگهای متفاوت مشخص گردید .همزمان از دادههای ارتعاشاتی ثبتشده، در هر حالت برای دادههای صد دور پردازش سیگنال صورت گرفت .پردازش سیگنال با استفاده از تبدیل فوریه سریع FFT ) ۱ (در نرمافزار متلب ۲ انجام گرفت .بعد دو مشخصه برای بررسی نتایج حاصله تعریف گردید .با رسم این دو مشخصه بر حسب یکدیگر، نمودارهای خوشهای در هر حالت آزمایش و هر حسگر به دست آمد .همچنین در ادامه کار برای هر حالت آزمایش، مراکز نمودارهای خوشهای در هر حسگر به صورت منحنی رسم گردید .نتایج نشان داد که در برخی زاویه پرهها، فقط با نتایج یک حسگر هم هر حالت آزمایش از حالتهای دیگر در همان زاویه پره و همان سرعت پمپ متمایز است .ولی نتایج بعضی حسگرها در بعضی زاویه پرهها به تنهایی برای تشخیص حالتهای آزمایشی از همدیگر کافی نبود .در یک حالت تست در موردی که نمودارهای خوشهای از هم متمایز بود، نتایج یک حسگر برای تشخیص حالت کاویتاسیونی حالت تست، جواب بسیار قابل قبولی داد .در ادامه با رسم منحنیهای مراکز میانگین خوشهها، ملاحظه شد که با میانگینگیری از دو مشخصه جدید تعریفشده که اساسشان هم بر میانگینگیری بود، خطاها خیلی کم بوده و نتایج خیلی دقیقی برای تشخیص حالتهای آزمایشی از همدیگر در هر زاویه پره و سرعت پمپ به دست میآید .در واقع این روش با دقت بسیار بالایی توانست رفتار دادههای ارتعاشاتی دو حالت تست را تشخیص دهد که شبیه کدام حالت است
متن يادداشت
In this research, cavitation within an axial pump has been image processed, and its vibrations analyzed. The purpose of this research is that, by vibration data it can be determine that vibration data behavior from one test under special blade angle and pump velocity, is as same as which cavitation or without cavitation state. The approach was this like that 18 tests carried out in different debits, rotational velocities and blade angles. In each test, photography has been carried out inside pump and also vibration results recorded by using three acceleration sensors. Image processing over achieved images from each state, in order to determine cavitation intensity has been carried out and by determination of a color spectrum, cavitation intensity with different colors specified. Simultaneously from recorded vibration data, in each state signal processing carried out for one hundred revolution. Signal processing carried out by means of fast Fourier transform (FFT) in the MATLAB software. Then, two features defined to analyzing the achieved results. With drawing these two features against each other, cluster diagrams achieved in each state of test and sensor. After that, centers of cluster diagrams in each sensor was drew like curves for each test. The results showed that in some blade angles, with only one sensor results, every state of test is different with other states in same blade angle and pump velocity. But, some sensors results in some blade angles were not individually enough for experimental states recognition. In one state of test, in the case that cluster diagrams were different each other, results of single sensor gave very acceptable answer for recognition of cavitation state of test. In the following, by drawing the clusters average centers, it was observed that by averaging from two new defined features that were also based on averaging, the errors were very low, and very exact results was achieved for recognition of experimental states from each other in each blade angle and pump velocity. Actually, this approach could exactly determine two states vibration data behaviors, and recognize they are like which state.
نام شخص به منزله سر شناسه - (مسئولیت معنوی درجه اول )