مدلسازی معکوس کسری اشتورم - لیوویل برای پایش سلامت ارتعاشی موتورهای خودرو

پایش سلامت ارتعاشی موتورهای خودرو نقش مهمی در افزایش ایمنی، کاهش هزینه های نگهداری و بهبود عملکرد سیستم های حمل ونقل دارد. با این حال بسیاری از روش های موجود یا صرفا داده محور هستند یا قادر به توصیف دقیق رفتار دینامیکی پیچیده موتور نیستند. در این پژوهش، یک چارچوب فیزیک محور مبتنی بر مدلسازی معکوس کسری اشتورم - لیوویل همراه با یادگیری عمیق ارائه می شود. معادلات حاکم بر ارتعاش موتور به صورت یک مسئله معکوس فرموله شده و ویژگی های فیزیکی معنادار شامل مقادیر ویژه و توابع ویژه استخراج می گردند. این ویژگی ها به عنوان ورودی یک شبکه عصبی به کار گرفته می شوند تا شاخص سلامت سیستم با دقت بالاتری پیش بینی شود. نتایج نشان می دهد که ادغام مدلسازی ریاضی کاربردی با روش های داده محور، ضمن افزایش قابلیت تفسیر مدل، می تواند دقت پیش بینی و توان تعمیم را بهبود دهد. چارچوب پیشنهادی همچنین بستری مناسب برای بهره گیری از داده های واقعی سنسوری در کاربردهای مهندسی خودرو فراهم می سازد.

کلیدواژه ها:

پایش سلامت ارتعاشی ، اشتورم لیوویل ، معادلات کسری ، موتور خودرو ، یادگیری عمیق