مدل مبتنی بر یادگیری جمعی برای ترکیب داده‌های ارتعاشی چند حسگر در عیب‌یابی جعبه‌دنده

Abstract

در پژوهش حاضر سیگنال‌های ثبت شده از یک جعبه‌دنده آزمایشگاهی به منظور شناسایی وضعیت سلامت و نوع عیوب توسط الگوریتم مرکب پیشنهاد شده مبتنی بر یادگیری جمعی مورد مطالعه قرار گرفته است. به منظور اهداف این پژوهش، یک جعبه‌دنده یک مرحله‌ای طراحی و ساخته شده و در شرایط آزمایشگاهی در چهار وضعیت سلامت مختلف در شرایط کاری مختلف مورد آزمایش قرار گرفته است. در تمام حالات اندازه‌گیری، ارتعاشات در 6 نقطه ثبت شده است. برای داده‌های ثبت شده توسط هر حسگر یک طبقه‌بند ماشین بردار پشتیبان با کرنل خطی آموزش داده شده است و دقت تشخیص عیوب توسط داده‌های هر یک از حسگرها (به صورت جداگانه) استخراج و مقایسه شده است. سپس یک الگوریتم جدید ترکیب داده‌ها که ایده آن از الگوریتم جنگل تصادفی گرفته شده است، برای ترکیب داده‌های 6 مبدل توسعه داده شده است. نشان داده شده است که الگوریتم مرکب پیشنهادی دقت تشخیص بالاتری نسبت به طبقه‌بندهای ساخته شده برای هر یک از حسگرها دارد. همچنین روشی برای محاسبه سطح اطمینان تشخیص الگوریتم مرکب پیشنهادی نیز ارائه شده است. نشان داده شده است که الگوریتم مرکب پیشنهادی این قابلیت را دارد که با در دست داشتن داده‌های کمتر نیز می‌تواند برای هدف عیب‌یابی به کار رود. نشان داده شده است که در صورت استفاده از داده‌های تعداد کمتری از حسگرها، مطابق انتظار دقت و سطح اطمینان تشخیص‌های بدست آمده کاهش می‌یابد.