پيش‌بيني رشد خرابي سيستم‌هاي دوار مبتني بر شبكه عصبي و تبديل موجك

در پژوهش فعلي با بهره‌گيري از داده‌هاي تجربي يك ياتاقان به ارائه الگوريتمي مناسب جهت پيش‌بيني سري زماني ارتعاشي پرداخته شده است. با انتخاب مناسب ويژگي‌ها و نهايتاً استفاده از تبديل موجك، سيگنال ويژگي پردازش شده و پس از آماده‌سازي داده‌هاي ورودي شبكه عصبي برگشت‌كننده خودكار با ورودي‌هاي مستقل، پيش‌بيني‌هاي لازم بر روي ويژگي‌ها انجام شده است. اين شبكه داراي دو معماري موازي و سري-موازي بوده كه هر دوي اين معماري‌ها در كار فعلي مطالعه شده‌اند. جهت به دست آوردن بهترين تاخيرات زماني نيز از الگوريتم ژنتيك استفاده شده است. ديده مي‌شود كه نتايج حاصل شده از هر دو معماري شبكه عصبي و تلفيق آن با الگوريتم ژنتيك دقت بالايي دارند.