تشخیص عیب موتورهای کشاورزی با استفاده شبکه عصبی کانولوشنی و الگوریتمهای یادگیری ماشین

این مقاله یک روش برای شناسایی و کلاس بندی عیوب موتورهای کشاورزی با استفاده از سیگنالهای ارتعاشی را ارایه میدهد. روش پیشنهادی در دو حالت مورد بررسی قرار میگیرد؛ در حالتی که از الگوریتمهای یادگیری ماشین استفاده شود، این فرآیند شامل یک الگوریتم کلاس بندی است که چندین مرحله از جمله پیش پردازش انتخاب پنجره انتخاب و استخراج، ویژگی روشهای کلاس بندی و اعتبار سنجی را در بر میگیرد این الگوریتم ویژگیهای مرتبط با عیب را که از سیگنالهای ارتعاشی به دست میآیند به عنوان شاخصهای قابل اعتماد عیب در نظر میگیرد در حالت، بعدی از شبکه عصبی کانولوشنی استفاده میشود بدون نیاز به استخراج ویژگی دستی عیوب تشخیص داده میشوند. روش پیشنهادی روی دو مجموعه داده تست میشود در مجموعه داده، اول عیوب داخلی و بیرونی بلبرینگ در نظر گرفته میشود الگوریتم پیشنهادی با موفقیت عیوب را با تغییرات اندازه عیب در محدوده ۰۳ و ۱ میلی متر شناسایی کرد علاوه بر این مجموعه ای از ویژگیهای جدید با هدف افزایش دقت روش معرفی شده است در مجموعه داده دوم ۸ حالت شامل ۷ عیب و یک حالت سالم در نظر گرفته میشود و از دادههای ارتعاش و آکوستیک به منظور تشخیص عیب استفاده میشود و یک روش برای ارایه چند ورودی به شبکه عصبی کانولوشن ارایه میشود علاوه بر این یک ارزیابی مقایسه ای از الگوریتمهای کلاس بندی مختلف برای ارزیابی اثر بخشی آنها انجام میشود نتایج به دست آمده نشان میدهد که روش پیشنهادی توانایی بالایی در شناسایی دقیق عیوب و تعیین وضعیت آنها دارد بنابراین دقت تشخیص عیب را به طور قابل توجهی بهبود میبخشد.

کلیدواژه ها:

عیوب موتورهای کشاورزی ، سیگنالهای ارتعاشی ، روش پیشنهادی ، طبقه بندی ، شبکه عصبی کانولوشنی