عیب یابی ماشین آلات صنعتی به کمک پردازش صدا و مدل مبتنی بر یادگیری عمیق

هدف اصلی از عیب یابی ماشین های دوار الکتریکی توسط صدا، تشخیص عملکرد غیر عادی ماشین ها بر اساس صداهای منتشر شده از آنها است . در این مقاله ، ما یک نمایش تانسور سه بعدی جدید از سیگنال های صوتی ساطع شده از ماشین ها را به عنوان ورودی مناسب برای یک شبکه عصبی کانولوشنال سه بعدی پیشنهاد کردیم . برای این منظور ابتدا فضای فاز بازسازی شده سیگنال صوتی محاسبه می شود. سپس ، فضای فاز بازسازی شده سه بعدی به یک تانسور سه بعدی تبدیل می شود. مشاهدات ما نشان می دهد که شکل ابر داده در این تانسورهای سه بعدی حاوی اطلاعات ارزشمندی جهت طبقه بندی سیگنال های صوتی است . این تانسورها روی یک شبکه عصبی کانولوشن عمیق سه بعدی اعمال می شوند. روش پیشنهادی بر روی سه مجموعه داده معیار ToyADAMOS، MFPT و MIMII ارزیابی شد. به منظور افزایش پایایی این مدل از روش اعتبارسنجی متقاطع پنج برابری استفاده شد. نتایج حاکی از موفقیت روش پیشنهادی در تشخیص عیوب ماشین های مختلف است .

کلیدواژه ها:

تشخیص صدای غیرعادی ، نمایش تانسور سه بعدی ، شبکه عصبی کانولوشن عمیق سه بعدی