تخمین عمر باقی مانده یاتاقان با استفاده از پردازش سیگنال های ارتعاشی توسط تبدیل موجک پیوسته وشبکه یادگیری عمیق LSTM
سال انتشار: 1403
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 73
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ELEMECHCONF08_119
تاریخ نمایه سازی: 19 تیر 1403
چکیده مقاله:
در این مقاله مدلی جهت تخمین عمر باقی مانده یاتاقان مبتنی بر مدل یادگیری عمیق LSTM و تبدیل موجک پیوسته پیاده سازی شد. داده های مورد نیاز در این تحقیق از پایگاه داده تهیه شد. هر سیگنال ارتعاشی توسط تبدیل موجک پیوسته تجزیه و خروجی آن به صورت طیف اسکالوگرام نمایش داده شد. در نهایت از طیف های اسکالوگرام جهت ایجاد مدل LSTM برای تخمین عمر باقی مانده یاتاقان 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 به ترتیب برابر با ۱۸/۰ و ۰۱۰۳/۰ به دست آمد که میانگین این مقادیر برای هر سه مدل شبکه عصبی به ترتیب برابر با ۴۳۷۷/۱۲ و ۵۵۵۷/۱ بودند.
کلیدواژه ها:
نویسندگان
پروانه امجدیان
استادیارگروه مهندسی مکانیک، واحد صحنه، دانشگاه آزاد اسلامی، صحنه،ایران