تخمین عمر باقی مانده یاتاقان با استفاده از پردازش سیگنال های ارتعاشی توسط تبدیل موجک پیوسته وشبکه یادگیری عمیق LSTM
- سال انتشار: 1402
- محل انتشار: پنجمین کنفرانس ملی مهندسی مکانیک، عمران و فناوری های پیشرفته
- کد COI اختصاصی: MMAT05_042
- زبان مقاله: فارسی
- تعداد مشاهده: 27
نویسندگان
استادیار گروه مهندسی مکانیک، واحد صحنه، دانشگاه آزاد اسلامی، صحنه، ایران
دانشجوی کارشناسی ارشد مهندسی مکانیک، موسسه آموزش عالی زاگرس، کرمانشاه، ایران
چکیده
در این مقاله مدلی جهت تخمین عمر باقی مانده یاتاقان مبتنی بر مدل یادگیری عمیق LSTM و تبدیل موجک پیوسته پیاده سازیشد. داده های مورد نیاز در این تحقیق از پایگاه داده تهیه شد. هر سیگنال ارتعاشی توسط تبدیل موجک پیوسته تجزیه و خروجی آن بهصورت طیف اسکالوگرام نمایش داده شد. در نهایت از طیف های اسکالوگرام جهت ایجاد مدل LSTM برای تخمین عمر باقی ماندهیاتاقان استفاده شد. در نهایت نتایج مدل یادگیری عمیق نیز سه مدل مختلف شبکه عصبی مصنوعی با توابع فعالسازی Trainbr, Trainlm و Trainscg مقایسه شدو نتایج نشان داد که مقدار RMSE و MAPE برای مدل LSTM ۰ به ترتیب برابر با ۰/۱۸ و ۰/۰۱۰۳ به دست آمد که میانگین این مقادیر برای هر سه مدل شبکه عصبی به ترتیب برابر با ۱۲/۴۳۷۷ و ۱/۵۵۵۷ بودند.کلیدواژه ها
یاتاقان، ارتعاشات، یادگیری عمیق، تخمین عمر باقی ماندهمقالات مرتبط جدید
- طراحی مجتمع مسکونی با رویکرد افزایش تعاملات اجتماعی
- نمای پارامتریک با رویکرد اثرگذاری باد در شهر تبریز
- طبقه بندی جامع شیشه های ساختمانی نوین : مشخصات و عملکرد حرارتی آن
- برنامه ریزی ارتقای پایداری بافت های فرسوده شهری در برابر زلزله با رویکرد تاب آوریمور مطالعه : شهر گزبرخوار اصفهان
- تبیین اثرات فناوری و مصالح هوشمند در پایداری انرژی
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.