پيش بيني عمر مفيد باقيمانده قطعات با استفاده از شبكه عصبي مصنوعي

پيش‌بيني دقيق عمر مفيد باقي‌مانده تجهيزات، براي تعمير و نگهداري مبتني بر وضعيت ضروري است، تا هزينه كلي تعمير و نگهداري كاهش يابد. در اين مقاله، براي درك بهتر از عمر مفيد باقي‌مانده، از روش شبكه عصبي مصنوعي استفاده گرديد، تا پيش‌بيني دقيق‌تري از عمر مفيد باقي‌مانده تجهيزات حاصل شود. مدل شبكه عصبي مصنوعي نيازمند معيارهاي متعدد از پايش وضعيت در بازرسي‌‌هاي حال و گذشته به‌عنوان ورودي و درصد طول عمر به‌عنوان خروجي است. همچنين از توابع توزيعي همچون ويكبي و وايبل مورد بررسي قرار مي‌‌گيرند، براي برازش كردن هر يك از سري معيارهاي پايش وضعيت براي تاريخچه شكست استفاده مي‌شوند و مقادير معيار برازش شده براي تشكيل مجموعه آموزشي شبكه عصبي مصنوعي استفاده مي‌شود، تا اثر عوامل نويز را كه به تخريب تجهيزات مرتبط هستند را كاهش دهد. همچنين يك مكانيزم اعتبار سنجي در فرآيند آموزش شبكه عصبي مصنوعي معرفي مي‌شود تا عملكرد پيش‌بيني مدل شبكه بهبود يابد. روش شبكه عصبي مصنوعي پيشنهادي با استفاده از داده‌‌هاي واقعي جمع‌آوري شده از پايش ارتعاش بيرينگ‌ها‌ي به‌كار رفته در يك پمپ تأييد مي‌شود. در پايان نتايج خروجي شبكه را با يكديگر مقايسه و روش مناسب‌تر معرفي مي‌گردد.