بررسی کاهش نویز در تحلیل سیگنال در عیب یابی ماشین های دوار توسط شبکه عصبی

Abstract

عیب‌یابی سیستم‌های مکانیکی برای عملکرد بهتر سیستم و همچنین محافظت از آن، دارای اهمیت ویژه‌ای می‌باشد. در این پژوهش از یک سیستم آزمایشگاهی ماشین دوار برای تولید سیگنال و داده استفاده شده است. داده‌های بدست آمده در فرآیند پیش‌ پردازش قرار می‌گیرند. در این مقاله برای بهبود عملکرد تحلیل سیگنال روش‌ ترکیبی تحلیل با استفاده از ویژگی‌های سیگنال و فیلتر کالمن پیشنهاد می‌شود. در ابتدا برای کاهش نویز سیگنال‌ها از فیلتر کالمن استفاده می‌شود. و در ادامه برای پیش ‌پردازش سیگنال ویژگی‌های سیگنال در حوزه زمان و حوزه فرکانس پیشنهاد می‌شود که از آن به عنوان پیش‌ پردازش یک بعدی سیگنال استفاده شده است. در ادامه برای تحلیل ویژگی‌های بدست آمده از کلاس‌بندهای متعددی مانند ماشین بردار پشتیبان ، شبکه عصبی پرسپترون چند لایه و شبکه عصبی پیچشی استفاده شده است. برای بررسی نتایج داده‌ها به دسته داده‌های آموزشی و داده‌های صحت سنجی تقسیم‌بندی می‌شود. نتایج دقت برای داده‌های صحت سنجی در روش‌های مختلف مورد بررسی قرار می‌گیرد. نتایج حاکی از عملکرد بهتر شبکه عصبی پیچشی الکس نت در حضور فرآیند نویز زدایی با فیلتر کالمن می‌باشد. در این حالت به طور میانگین این شبکه به دقت 96.1 درصد برای داده‌های صحبت سنجی رسیده است که نسبت به سایر کلاس‌بندها و همچنین نسبت به عیب‌یابی بدون کاهش نویز، دقت آن بهبود داده شده است.