روش تطبیقپذیر شناسایی خطا در سیستمهای مهندسی با استفاده از یادگیری ماشین
نویسندگان
1 دانشیار، دانشکده صنایع، مجتمع دانشگاهی مدیریت و مهندسی صنایع، دانشگاه صنعتی مالک اشتر، تهران، ایران.
2 دانشجوی دکتری، دانشکده صنایع، مجتمع دانشگاهی مدیریت و مهندسی صنایع، دانشگاه صنعتی مالک اشتر، تهران، ایران.
3 دانشیار، دانشکده صنایع، مجتمع دانشگاهی مدیریت و مهندسی صنایع، دانشگاه صنعتی مالک اشتر، تهران، ایران.
doi
10.22044/jsfm.2025.15631.3933چکیده
در حوزه مهندسی سیستم، تشخیص سریع و کارآمد خطا برای حفظ ایمنی و عملیاتی نگهداشتن سیستم بسیار مورد توجه است. روشهای سنتی اغلب برای شناسایی خطاهای از پیش تعریفشده طراحی شدهاند و به دانش عمیقی از سیستم نیاز دارند، که این ویژگی به کارگیری روشهای سنتی را محدود میکنند. ما یک رویکرد جدید تشخیص خطا مبتنی بر یادگیری ماشین را معرفی میکنیم که از حداقل دادهای سیستم برای مدلسازی استفاده میکند. برخلاف روشهای سنتی، رویکرد ما به اطلاعات و تخصص دقیق در خصوص خطاهای خاص سیستم نیاز ندارد. در عوض، انحرافات جدی از رفتار عادی را شناسایی و به عنوان خطاهای بالقوه علامت گذاری میکند. این مدل فرض میکند که هر گونه اختلاف معنیدار بین مقدار دادههای حسگر دریافتی با مقدار مورد انتظار، نشان دهنده یک خطا است، لذا فرآیند تشخیص خطا را سادهتر و کاربردی تر میکند. برای بررسی عملکرد مدل، آزمایشهایی را روی یک کوادکوپتر با تمرکز بر خرابی موتورها انجام دادیم. نتایج نشان داد که مدل میتواند با موفقیت خطاها را بدون دانش قبلی از انواع خطاهای خاص شناسایی کند، و یک راهحل انعطافپذیر و مقیاسپذیر برای کاربردهای صنعتی مختلف ارائه دهد. سادگی و سازگاری این روش آن را برای سیستمهای پیچیده جذاب میکند.
