طراحی یک سیستم هوشمند برای پیش بینی زمان خرابی سیستم های مکانیکی

در این مقاله یک مدل یادگیری ماشین هوشمند جهت پیش بینی زمان خرابی سیستم های مکانیکی پیشنهاد شده است. برای پیش بینی خرابی در یک سیستم مکانیکی از داده های طول عمر و یا داده های پایش وضعیت می توان استفاده نمود. در روش های تحلیل قابلیت اطمینان غالبا از داده های گذشته طول عمر برای برآورد تابع توزیع شکست استفاده می شود. داده های طول عمر که مربوط به طول زمان سرویس دهی قبل از خرابی هستند فقط نشان دهنده نتیجه نهایی شکست بوده و برای مدل بندی فرآیند شکست تحت شرایط عملکردی متفاوت مناسب نیستند اما داده های پایش وضعیت یک سیستم مکانیکی مانند سیگنال ارتعاشات در طول زمان سرویس دهی حاوی اطلاعاتی در مورد دوره فرسایش و زمان خرابی سیستم می باشد بنابراین برای اینکه شکست در یک سیستم مکانیکی به درستی تشخیص داده شود نیاز به یک راهکار مناسب برای ترکیب داده های طول عمر و پایش وضعیت می باشد. مدل های مخاطره پایشی آمیخته برای این منظور مدل های مناسبی هستند. ایده اصلی این مدل بر این پایه استوار است که از طریق پایش برخی پارامترهای مکانیکی در حین کارکرد می توان زمان شکست یک سیستم مکانیکی را پیش بینی نموده و در زمان مناسب سیستم مکانیکی را تعمیر یا تعویض نمود. در این مدل از ترکیب داده های طول عمر و پایش وضعیت برای پیش بینی زمان شکست سیستم استفاده خواهد شد.

کلیدواژه ها:

قابلیت ، اطمینان ، متغیرهای پایشی ، توزیع وایبل دو مولفه ای