کاربرد شبکه های عصبی پیچشی دوبعدی در پایش وضعیت آسیاب های گلوله ای

یکی از روش های متداول برای پایش و نظارت بر ماشین آلات صنعتی، استفاده از ارتعاش سنجی است. این تکنیک از جمع آوری داده های ارتعاشی از نقاط مختلف دستگاه، به صورت سری زمانی، استفاده می کند. در حال حاضر، تشخیص خطا در داده های سری زمانی به ویژه در حوزه های صنعتی اهمیت بیشتری پیدا کرده است. روش های سنتی معمولا نیازمند پیش پردازش داده ها و استخراج ویژگی های خاص قبل از شروع فرآیند آموزش هستند، که با وجود تعداد زیاد حسگرها و جهت های نمونه برداری، این کار زمان بر است. در سال های اخیر، الگوریتم های یادگیری عمیق در تحلیل داده های سری زمانی نتایج بهتری به دست آورده اند. در این مقاله، یک شبکه عصبی پیچشی دوبعدی چندکاناله برای تشخیص چهار نوع عیب مختلف در یک آسیاب گلوله ای ارائه شده است. داده ها از سیگنال های شتاب سنجی در دو نقطه از پینیون موتور آسیاب، در سه جهت افقی، عمودی و محوری و با دو فرکانس مختلف (در مجموع دوازده سیگنال) به دست آمده اند. این معماری به گونه ای طراحی شده است که هر سیگنال به عنوان یک کانال ورودی در شبکه عمل کند و ویژگی های مهم را استخراج کند. داده های استفاده شده در این تحقیق واقعی هستند و نتایج نشان می دهد این روش در تشخیص عیوب به دقت بالایی رسیده و برای کاربردهای صنعتی مشابه مناسب است.