عیب یابی ماشین آلات صنعتی به کمک پردازش صدا و مدل مبتنی بر یادگیری عمیق
Publish place: The 7th National Conference on New Technologies in Electrical, Computer and Mechanical Engineering of Iran
Publish Year: 1403
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 40
This Paper With 14 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
STCONF07_301
تاریخ نمایه سازی: 20 مرداد 1403
Abstract:
هدف اصلی از عیب یابی ماشین های دوار الکتریکی توسط صدا، تشخیص عملکرد غیر عادی ماشین ها بر اساس صداهای منتشر شده از آنها است . در این مقاله ، ما یک نمایش تانسور سه بعدی جدید از سیگنال های صوتی ساطع شده از ماشین ها را به عنوان ورودی مناسب برای یک شبکه عصبی کانولوشنال سه بعدی پیشنهاد کردیم . برای این منظور ابتدا فضای فاز بازسازی شده سیگنال صوتی محاسبه می شود. سپس ، فضای فاز بازسازی شده سه بعدی به یک تانسور سه بعدی تبدیل می شود. مشاهدات ما نشان می دهد که شکل ابر داده در این تانسورهای سه بعدی حاوی اطلاعات ارزشمندی جهت طبقه بندی سیگنال های صوتی است . این تانسورها روی یک شبکه عصبی کانولوشن عمیق سه بعدی اعمال می شوند. روش پیشنهادی بر روی سه مجموعه داده معیار ToyADAMOS، MFPT و MIMII ارزیابی شد. به منظور افزایش پایایی این مدل از روش اعتبارسنجی متقاطع پنج برابری استفاده شد. نتایج حاکی از موفقیت روش پیشنهادی در تشخیص عیوب ماشین های مختلف است .
Keywords:
Authors
محسن خنجری
دانشجوی دکتری، گروه برق، واحد شاهرود، دانشگاه آزاد اسلامی، شاهرود، ایرا ن
آزیتا آذرفر
استادیار، گروه برق، واحد شاهرود، دانشگاه آزاد اسلامی، شاهرود، ایران
محمد حسینی ابرده
استادیار، گروه برق، واحد شاهرود، دانشگاه آزاد اسلامی، شاهرود، ایران
اسمعیل علی بیکی
استادیار، گروه برق، واحد شاهرود، دانشگاه آزاد اسلامی، شاهرود، ایران