| dc.contributor.author | پرویزیان, جمشید | fa_IR |
| dc.contributor.author | کاجی, محمدرضا | fa_IR |
| dc.contributor.author | سیلانی, محمد | fa_IR |
| dc.contributor.author | ون د وین, هانس ورنر | fa_IR |
| dc.date.accessioned | 1400-12-14T15:37:00Z | fa_IR |
| dc.date.accessioned | 2022-03-05T15:37:01Z | |
| dc.date.available | 1400-12-14T15:37:00Z | fa_IR |
| dc.date.available | 2022-03-05T15:37:01Z | |
| dc.date.issued | 2022-04-21 | en_US |
| dc.date.issued | 1401-02-01 | fa_IR |
| dc.date.submitted | 2021-05-08 | en_US |
| dc.date.submitted | 1400-02-18 | fa_IR |
| dc.identifier.citation | پرویزیان, جمشید, کاجی, محمدرضا, سیلانی, محمد, ون د وین, هانس ورنر. (1401). پایش وضعیت یاتاقان های غلتشی با استفاده از مدل یادگیری ماشین. مهندسی مکانیک امیرکبیر (امیرکبیر), 54(2), 11-11. doi: 10.22060/mej.2021.20023.7153 | fa_IR |
| dc.identifier.issn | 2008-6032 | |
| dc.identifier.issn | 2476-3446 | |
| dc.identifier.uri | https://dx.doi.org/10.22060/mej.2021.20023.7153 | |
| dc.identifier.uri | https://mej.aut.ac.ir/article_4514.html | |
| dc.identifier.uri | https://iranjournals.nlai.ir/handle/123456789/883286 | |
| dc.description.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. | fa_IR |
| dc.format.extent | 2111 | |
| dc.format.mimetype | application/pdf | |
| dc.language | فارسی | |
| dc.language.iso | fa_IR | |
| dc.publisher | دانشگاه صنعتی امیر کبیر | fa_IR |
| dc.relation.ispartof | مهندسی مکانیک امیرکبیر (امیرکبیر) | fa_IR |
| dc.relation.isversionof | https://dx.doi.org/10.22060/mej.2021.20023.7153 | |
| dc.subject | پایش وضعیت | fa_IR |
| dc.subject | هوش مصنوعی | fa_IR |
| dc.subject | یادگیری عمیق | fa_IR |
| dc.subject | آنالیز ارتعاشات | fa_IR |
| dc.subject | همزاد دیجیتال | fa_IR |
| dc.subject | اتوماسیون | fa_IR |
| dc.title | پایش وضعیت یاتاقان های غلتشی با استفاده از مدل یادگیری ماشین | fa_IR |
| dc.type | Text | en_US |
| dc.type | مقاله پژوهشی | fa_IR |
| dc.contributor.department | دانشکده مهندسی مکانیک، دانشگاه صنعتی اصفهان | fa_IR |
| dc.contributor.department | دانشکده مهندسی مکانیک، دانشگاه صنعتی اصفهان ، اصفهان، ایران | fa_IR |
| dc.contributor.department | صنعتی اصفهان-مهندسی مکانیک | fa_IR |
| dc.contributor.department | پژوهشکده سیستم‌های مکاترونیک، دانشگاه علمی کاربردی زوریخ، زوریخ، سوئیس | fa_IR |
| dc.citation.volume | 54 | |
| dc.citation.issue | 2 | |
| dc.citation.spage | 11 | |
| dc.citation.epage | 11 | |
