شماره ركورد كنفرانس :
5312
عنوان مقاله :
طبقه بندي عيوب جعبه‌دنده بر اساس سيگنال ارتعاشي حوزه زمان و يادگيري عميق
پديدآورندگان :
فهندژ آرمين دانشكده مهندسي مكانيك، دانشگاه شهيد بهشتي، تهران، ايران , روحاني بسطامي عباس a_rohani@sbu.ac.ir دانشكده مهندسي مكانيك، دانشگاه شهيد بهشتي، تهران، ايران , عابدي مصطفي دانشكده مهندسي مكانيك، دانشگاه شهيد بهشتي، تهران، ايران
كليدواژه :
ارتعاشات , يادگيري عميق , جعبه‌دنده , شبكه عصبي
عنوان كنفرانس :
سيزدهمين كنفرانس بين المللي آكوستيك و ارتعاشات
چكيده فارسي :
با توجه به پيشرفت‌هاي اخير تكنولوژي، رشد هوش مصنوعي و هم‌چنين افزايش حجم داده‌ها، پايش تجهيزات دستخوش تغييرات بزرگ گشته است. كلان داده‌ها كه حاصل حجم زيادي از اندازه‌گيري‌ها و ثبت سوابق در پايگاه‌هاي داده هستند، اطلاعات ارزشمندي نظير سابقه‌ي فعاليت در اختيار ما قرار مي‌دهند. تشخيص خرابي در ماشين هاي سرعت متغير به خاطر اثر تغيير سرعت روي ارتعاشات، دشواري بيشتري از ماشين هاي سرعت ثابت وجود دارد. در اين پژوهش عيب‌يابي و طبقه بندي خرابي‌هاي يك جعبه‌دنده توسط شبكه عصبي پيچشي براي طبقه‌بندي 9 كلاس خرابي و يك كلاس نرمال (حالت سالم) انجام شده است. براي اين منظور سيگنال شتاب در حوزه زمان توسط دو سنسور شتاب سنج در شرايط كاري مختلف شامل سرعت و بارهاي متفاوت ذخيره شده و بعد از عبور از يك پنجره با طول مشخص به عنوان ورودي به شبكه داده شده است. در نتايج آخر نيز با توجه به نمودارها مي‌توان مشاهده كردكه دقت تشخيص عيوب شبكه عصبي پيچشي به 82 درصد رسيده است.
