پایش وضعیت یاتاقانهای غلتشی به روش ارتعاشی با بهرهگیری از مدل یادگیری ماشین | ||
| نشریه مهندسی مکانیک امیرکبیر | ||
| مقاله 11، دوره 54، شماره 2، اردیبهشت 1401، صفحه 465-480 اصل مقاله (2.29 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22060/mej.2021.20023.7153 | ||
| نویسندگان | ||
| محمدرضا کاجی1؛ جمشید پرویزیان* 1؛ محمد سیلانی1؛ هانس ورنر ون د وین2 | ||
| 1دانشکده مهندسی مکانیک، دانشگاه صنعتی اصفهان، اصفهان، ایران. | ||
| 2پژوهشکده سیستمهای مکاترونیک، دانشگاه علمی کاربردی زوریخ، زوریخ، سوئیس. | ||
| چکیده | ||
| در سالهای اخیر با ظهور انقلاب صنعتی چهارم و توسعه فناوریهای هوش مصنوعی، رویکردهای نوینی در زمینه نگهداری و تعمیر افزارگان معرفیشدهاند؛ که از آن جمله میتوان به همزاد دیجیتال اشاره نمود. اولین گام برای ایجاد همزاد دیجیتال یک افزار، ساخت شاخصهای کمّی و کیفی است که برای توصیف لحظهای افزار در طی مدت بهرهبرداری به کار میرود. در این پژوهش یک روش نوین برای ساخت شاخص سلامت افزارگان براساس اندازهگیری ارتعاشات و مدلهای یادگیری عمیق معرفیشده است. برای این منظور دادههای ارتعاشی خام تجهیز با استفاده از تبدیل موجک پیوسته به تصاویر دوبعدی تبدیل خواهند شد. سپس با استفاده از یک مدل یادگیری عمیق، میزان تفاوت تصاویر وضعیت سالم و معیوب افزار تشخیص دادهشده و شاخص سلامت ایجاد میشود. مدل ارائهشده میتواند بهصورت خودکار شاخص سلامت را ایجاد نماید و نیازمند دانش متخصص خبره برای تفسیر نتایج آنالیز ارتعاشی نیست. همچنین، آموزش مدل یادگیری عمیق بهصورت بدون نظارت بوده و تنها با استفاده از دادههای ارتعاشی وضعیت سالم تجهیز صورت میپذیرد و بنابراین نیازمند دادههای خرابی پیشین نیست. عملکرد مدل پیشنهادشده توسط دادههای ارتعاشی یاتاقان مورد ارزیابی قرارگرفته که نشان از توانایی قابلقبول شاخص سلامت در تشخیص آغاز خرابی و چگونگی روند رشد آن دارد. | ||
| کلیدواژهها | ||
| پایش وضعیت؛ هوش مصنوعی؛ یادگیری عمیق؛ آنالیز ارتعاشات؛ همزاد دیجیتال | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 1,703 تعداد دریافت فایل اصل مقاله: 1,742 |
||
| تعداد نشریات | 9 |
| تعداد شمارهها | 455 |
| تعداد مقالات | 5,771 |
| تعداد مشاهده مقاله | 8,375,284 |
| تعداد دریافت فایل اصل مقاله | 6,933,834 |