محمدحسین یزدی - دانشجوی کارشناسی ارشد، گروه مهندسی کامپیوت ر، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایرا ن
مهدی علیاری شوره دلی - دانشیار، دانشکده مهندسی برق، دانشگاه صنعتی خواحه نصیرالدین طوسی، تهران، ایران
اشکان موسویان - استادیار، گروه مهندسی کشاورزی، دانشگاه فنی و حرفه ا ی، تهرا ن، ایرا ن

تشخیص و اصلاح عیوب شمع ها در جلوگیری از مسائل مربوط به موتور که می تواند منجر به عواقب عملیاتی و مالی قابل توجهی شود، بسیار مهم است . برا ی افزایش دقت و استحکام تشخیص عیب شمع ، این تحقیق یک رویکرد ترنسفورمر کانولوشنی را معرفی می کند که از نقاط قوت شبکه ها ی عصبی و ترنسفورمر ها استفاده می کند تا به طور موثر وابستگی ها ی زمانی محلی و طولانی را در سیگنال ها ی صوتی شمع ها ثبت کند. نتایج این رویکرد پیشگامانه ، همانطور که در جداول و شکل ها ی همراه ارائه شده است ، عملکرد برتر آن را نشان می دهد و به دقت چشمگیر %۱.۹۷ در مسئله چالش برانگیز طبقه بند ی ۴ کلاس صرفا با استفاده از سیگنال ها ی صوتی دست یافته است . این دستاورد نشان دهنده پیشرفت قابل توجهی در حوزه تشخیص عیب شمع است ، با پتانسیل راه انداز ی روشها ی تشخیصی مطمئن تر و دقیق تر، که در نهایت به جلوگیری از خرابی ها ی پرهزینه موتور و افزایش طول عمر موتور کمک می کند . همانطور که صنعت خودرو به تکامل خود ادامه می دهد، پذیرش تکنیک ها ییادگیری عمیق مانند ترنسفورمرهای کانولوشنی یک راه امیدوارکننده برا ی افزایش قابلیت اطمینان و عملکرد موتورها ی احتراق داخلی ارائه می دهد و اهمیت این تحقیق را در زمینه پیشرفت ها ی آینده خودرو برجسته می کند.

تشخیص عیب ، شمع موتور، سیگنال صوتی ، ترنسفورم ر کانولوشنی ،یادگیری ماشین