فهرست نشریات علمی دسترسی آزاد ایران

پایش وضعیت روغن، روشی مؤثر در تشخیص فرسایش‌های غیرعادی یا عیوب تجهیزات و سامانه‌های مکانیکی است. یکی از مسائل حوزه پایش وضعیت به کمک آنالیز روغن، هزینه و زمان موردنیاز برای بررسی همه نمونه‌ها توسط خبره است؛ اما همه نمونه‌های آنالیز روغن نیاز به بررسی توسط خبره ندارند و کمتر از 10 درصد از این داده‌ها نشان‌دهنده وضعیت بحرانی است که نیاز به برنامه‌ریزی و اقدام سریع دارند. هدف در این مقاله تبدیل وضعیت روغن به یک تصویر است تا بتوان با نگاه به تصویر به‌سرعت وضعیت روغن را تشخیص داد. همچنین با پردازش این تصاویر به کمک نرم‌افزار بتوان وضعیت خرابی را از طریق هوش مصنوعی استخراج کرد. در این پژوهش داده‌ها از آزمایش نمونه روغن‌های موتور غلتک‌های راه‌سازی گرفته‌شده است. ابتدا داده‌ها به کمک خطوط مبنای به‌دست‌آمده برای موتورهای دیزلی و از طریق نرم‌افزار متلب به تصاویر مقیاس خاکستری تبدیل شد. در مرحله بعد این تصاویر به کمک روش شبکه عصبی کانولوشن پردازش‌شده است تا وضعیت روغن مشخص شود. مقایسه نتایج به‌دست‌آمده نشان داد تصویرسازی نتایج آنالیز روغن به درک وضعیت کلی روغن برای کاربر کمک می‌کند و سریع‌تر نمونه‌های بحرانی و نیازمند اقدام از بین انبوه نمونه‌های روغن تشخیص داده می‌شود.