تشخیص به موقع عیوب ماشین های کشاورزی برای انجام کارهای کشاورزی در زمان مناسب بسیار مهم است . تاکنون روش های تجربی و تئوری متعددی برای تشخیص خرابی ماشین های دوار ارائه شده است. در این مقاله، ساختار مطلوب شبکه های عصبی بر پایه الگوریتم ژنتیک با استفاده از نرم افزار مطلب برای تشخیص عیب نگهدارنده کلاچ تراکتور مسی فرگوسن 285 ارائه شده است. یک تابع fitness با هدف دستیابی به ساختار مطلوب مدل شبکه های عصبی با انتخاب لایه های عصبی، تعداد سلول ها در این لایه ها، تابع انتقال، تابع آموزش، توابع یادگیری، تابع کارایی و تعداد دوره ها انجام شد، به گونه ای که MSE خطای خروجی محاسبه شده نیز به حداقل رسیده باشد. مجموعه داده ها از سنسور شتاب سنج نصب شده در سه حالت سالم، خرابی بلبرینگ و ساییدگی محور و سه سرعت 1000، 1500 و 2000 دور بر دقیقه جمع آوری شدند. تبدیل موجک بسته برای استخراج بردار خصوصیات و آنالیز مؤلفه های اصلی جهت کاهش ابعاد بردار خصوصیات اعمال شده است. مناسب ترین پیکربندی شبکه های عصبی وقتی بدست آمد که شبکه، حداقل خطا را با توجه به داده های آموزش و آزمایش ایجاد کرد. بنابراین بهترین دقت شبکه عصبی مصنوعی که از GA–ANN بدست آمد به خصوصیات خانواده Db4 مرتبط است، که MSE آن برابر با 7-10 × 09/4 و r آن برابر با 999/0 است و می تواند سالم بودن یا خرابی بلبرینگ و شفت کلاچ را با دقت بالا تشخیص دهد.

کلمات کلیدی