پایش وضعیت یاتاقان‌ های غلتشی با استفاده از مدل یادگیری ماشین

Abstract

در سال‌های اخیر با ظهور انقلاب صنعتی چهارم و توسعه فناوری‌های هوش مصنوعی، رویکردهای نوینی در زمینه نگه‌داری و تعمیر افزارگان معرفی‌شده‌اند؛ که از آن جمله می‌توان به همزاد دیجیتال اشاره نمود. اولین گام برای ایجاد همزاد دیجیتال یک افزار، ساخت شاخص‌های کمّی و کیفی است که برای توصیف لحظه‌ای افزار در طی مدت بهره‌برداری به کار می‌رود. در این پژوهش یک روش نوین برای ساخت شاخص سلامت افزارگان براساس اندازه‌گیری ارتعاشات و مدل‌های یادگیری عمیق معرفی‌شده است. برای این منظور داده‌های ارتعاشی خام تجهیز با استفاده از تبدیل موجک پیوسته به تصاویر دوبعدی تبدیل خواهند شد. سپس با استفاده از یک مدل یادگیری عمیق، میزان تفاوت تصاویر وضعیت سالم و معیوب افزار تشخیص داده‌شده و شاخص سلامت ایجاد می‌شود. مدل ارائه شده می‌تواند به‌صورت خودکار شاخص سلامت را ایجاد نماید و نیازمند دانش متخصص خبره برای تفسیر نتایج آنالیز ارتعاشی نیست. همچنین، آموزش مدل یادگیری عمیق به‌صورت بدون نظارت بوده و تنها با استفاده از داده‌های ارتعاشی وضعیت سالم تجهیز صورت می‌پذیرد و بنابراین نیازمند داده‌های خرابی پیشین نیست. عملکرد مدل پیشنهادشده توسط داده‌های ارتعاشی یاتاقان مورد ارزیابی قرارگرفته که نشان از توانایی قابل‌قبول شاخص سلامت در تشخیص آغاز خرابی و چگونگی روند رشد آن دارد.