تخمین عمر باقی مانده یاتاقان با استفاده از پردازش سیگنال های ارتعاشی توسط تبدیل موجک پیوسته وشبکه یادگیری عمیق LSTM
Publish place: The 5th National Conference on Mechanical-Civil Engineering and Advanced Technologies
Publish Year: 1402
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 287
This Paper With 7 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
MMAT05_042
تاریخ نمایه سازی: 2 تیر 1403
Abstract:
در این مقاله مدلی جهت تخمین عمر باقی مانده یاتاقان مبتنی بر مدل یادگیری عمیق LSTM و تبدیل موجک پیوسته پیاده سازیشد. داده های مورد نیاز در این تحقیق از پایگاه داده تهیه شد. هر سیگنال ارتعاشی توسط تبدیل موجک پیوسته تجزیه و خروجی آن بهصورت طیف اسکالوگرام نمایش داده شد. در نهایت از طیف های اسکالوگرام جهت ایجاد مدل LSTM برای تخمین عمر باقی ماندهیاتاقان استفاده شد. در نهایت نتایج مدل یادگیری عمیق نیز سه مدل مختلف شبکه عصبی مصنوعی با توابع فعالسازی Trainbr, Trainlm و Trainscg مقایسه شدو نتایج نشان داد که مقدار RMSE و MAPE برای مدل LSTM ۰ به ترتیب برابر با ۰/۱۸ و ۰/۰۱۰۳ به دست آمد که میانگین این مقادیر برای هر سه مدل شبکه عصبی به ترتیب برابر با ۱۲/۴۳۷۷ و ۱/۵۵۵۷ بودند.
Keywords:
Authors
پروانه امجدیان
استادیار گروه مهندسی مکانیک، واحد صحنه، دانشگاه آزاد اسلامی، صحنه، ایران
سیدرسول سجادی
دانشجوی کارشناسی ارشد مهندسی مکانیک، موسسه آموزش عالی زاگرس، کرمانشاه، ایران
