بررسي كاهش نويز در تحليل سيگنال در عيب‌يابي ماشين‌هاي دوار توسط شبكه عصبي

عيب‌يابي سيستم‌هاي مكانيكي براي عملكرد بهتر سيستم و همچنين محافظت از آن، داراي اهميت ويژه‌اي مي‌باشد. در اين پژوهش از يك سيستم آزمايشگاهي ماشين دوار براي توليد سيگنال استفاده شده است. داده‌هاي بدست آمده در فرآيند پيش‌ پردازش قرار مي‌گيرند. در اين مقاله براي بهبود عملكرد تحليل سيگنال روش تركيبي تحليل توسط ويژگي‌هاي سيگنال و فيلتر كالمن پيشنهاد مي‌شود. ابتدا براي كاهش نويز سيگنال‌ها از فيلتر كالمن استفاده مي‌شود. و در ادامه براي پيش پردازش سيگنال ويژگي‌هاي سيگنال در حوزه زمان و حوزه فركانس پيشنهاد مي‌شود كه از آن به عنوان پيش‌پردازش يك بعدي سيگنال استفاده شده است. در ادامه براي تحليل ويژگي‌هاي بدست آمده از كلاس‌بندهاي ماشين بردار پشتيبان، شبكه عصبي پرسپترون چند لايه و شبكه عصبي پيچشي استفاده شده است. براي بررسي نتايج داده‌ها به دسته داده‌هاي آموزشي و داده‌هاي صحت سنجي تقسيم‌بندي مي‌شود. نتايج دقت براي داده‌هاي صحت سنجي در روش‌هاي مختلف مورد بررسي قرار مي‌گيرد. نتايج حاكي از عملكرد بهتر شبكه عصبي پيچشي الكس‌نت در حضور فرآيند كاهش نويز با فيلتر كالمن  مي‌باشد. اين شبكه به طور ميانگين به دقت 96/1 درصد براي داده‌هاي صحت سنجي رسيده است كه نسبت به ساير كلاس‌بندها و همچنين نسبت به عيب‌يابي بدون كاهش نويز، دقت آن بهبود يافته است.