عنوان مقاله :
ارائه مدلي جهت پيش بيني روند زوال تجهيزات در صنايع هوايي مبتني بر مفهوم يادگيري عميق (مطالعه موردي: موتور توربوفن هواپيما)
پديد آورندگان :
رمضاني ، سعيد دانشگاه جامع امام حسين (ع) - دانشكده فني و مهندسي - گروه مهندسي صنايع , سلطانعلي ، حمزه دانشگاه جامع امام حسين (ع) - دانشكده فني و مهندسي - گروه مهندسي صنايع , بيرامي ، امير دانشگاه جامع امام حسين (ع) - دانشكده فني و مهندسي
كليدواژه :
صنعت هوايي , پيش‌بيني زوال , يادگيري عميق , موتور توربوفن , يادگيري با نظارت , شبكه‌هاي عصبي مصنوعي
چكيده فارسي :
مديريت سلامت و پيش‌بيني عيوب به عنوان يكي از گزاره‌هاي اصلي نگهداري و تعميرات پيشگويانه، نقش ويژه‌اي به منظور شناسايي، تشخيص و پيش‌بيني وضعيت سلامت انواع دارايي‌هاي فيزيكي ايفا مي‌نمايد. ارزيابي وضعيت سلامت انواع دارايي‌ها در صنعت هوايي، با هدف ارائه برنامه‌هاي نگهداشت، از طريق برآورد وضعيت زوال/تخريب يكي از راهكارهاي اساسي است. در اين مطالعه، با توجه به محدوديت‌ها و عدم قطعيت‌هاي موجود در روش‌هاي مرسوم پيش‌بيني در حوزه تعيين روند زوال تجهيزات، يك مدل توسعه‌يافته شبكه عصبي مصنوعي با محوريت مفهوم يادگيري عميق و مقايسه آن با ساير روش‌هاي مرسوم ارائه شد. نتايج مقايسه‌اي نشان داد كه روش شبكه عصبي پرسپترون عميق با دقت پيش بيني 94 درصد داراي عملكرد بالايي در تعيين روند زوال در موتورهاي توربيني هواپيما در مقايسه با ساير روش‌هاي مرسوم داشته است. نتايج حاصل از اين تحقيق مي‌تواند در پيش‌بيني عمر مفيد باقي‌مانده و نيز ارائه برنامه‌هاي مناسب نگهداشت در تجهيزات صنايع هوايي مورد استفاده باشد.
عنوان نشريه :
فناوري در مهندسي هوافضا
عنوان نشريه :
فناوري در مهندسي هوافضا
