فهرست نشریات علمی دسترسی آزاد ایران

هدف از پایش وضعیت افزارگان مکانیکی، رصد لحظه‌ای افزار به‌منظور پیش‌بینی رخ داد واماندگی است. اولین گام برای پایش وضعیت یک افزار ساخت شاخص سلامت برای آن است. برای ایجاد شاخص سلامت ابتدا بایست داده‌های عملکردی همچون داده‌های ارتعاشی از افزار در طی مدت بهره‌برداری گردآوری شوند و سپس ویژگی‌های معنی‌دار از داده‌ استخراج شوند. در این مطالعه یک مدل هوش مصنوعی (خود رمزگذار همگشتی [i] ) برای استخراج ویژگی از داده‌های ارتعاشی معرفی شده که صرفاً نیازمند داده‌های وضعیت سالم افزار برای آموزش است. در این مدل، داده‌های ارتعاشی افزار در طی مدت بهره‌برداری در وضعیت سالم افزار به‌صورت برخط جمع‌آوری می‌شوند تا پایگاه داده در وضعیت سالم ایجاد شود. پس از تشخیص شروع وضعیت خرابی افزار، افزودن داده به پایگاه داده وضعیت سالم متوقف شده و مدل خود رمزگذار همگشتی توسط پایگاه داده آموزش می‌بیند. درنهایت در طی مرحله رشد خرابی‌ها، شاخص سلامت توسط تفاوت داده‌های ارتعاشی افزار در وضعیت خراب با پایگاه داده در وضعیت سالم ساخته می‌شود. عملکرد مدل پیشنهادی توسط داده‌های ارتعاشی چرخ‌دنده ارزیابی شده است و نتایج نشان‌دهنده عملکرد قابل‌قبول این روش در ساخت شاخص سلامت برای چرخ‌دنده‌ها است. [i]. Convolutional Autoencoder