تشخیص دو کلاسه خرابی یاتاقان توربین دندانپزشکی با تحلیل سیگنالهای ارتعاشی خام و استفاده از شبکه عصبی کانولوشن یک بعدی

تشخیص به موقع خرابی یاتاقانهای توربینهای دندانپزشکی به دلیل نقش اساسی آنها در عملکرد سیستم و حفظ ایمنی بیمار، موضوعی مهم است. برای این منظور در این پژوهش سیگنالهای ارتعاشی خام پس از مرحله برش پنجره ای به عنوان ورودی برای شبکه عصبی کانولوشن یک بعدی در نظر گرفته شدند. این معماری با تحلیل سیگنالهای ارتعاشی خام موفق به تشخیص دو کلاسه خرابی یاتاقان شد. برای اطمینان از صحت عملکرد و قابلیت تعمیم پذیری، مدل از روش اعتبار سنجی متقابل ۵ لایه استفاده شد. در نهایت میانگین دقت ۱۰۰ و انحراف معیار ۰ به دست آمد که نشان دهنده عملکرد دقیق مدل هستند. این یافته توانایی شبکه عصبی کانولوشن یک بعدی را در شناسایی وضعیت های عملکردی یاتاقان نشان می دهد.

کلیدواژه ها:

تشخیص خرابی یاتاقان توربین دندانپزشکی ، شبکه عصبی کانولوشن یک بعدی ، سیگنال ارتعاشی خام ، برش پنجره ای ، اعتبار سنجی متقابل