طراحی سیستم خبره مبتنی بر هوش مصنوعی جهت تشخیص خود کار عیوب موتور خودرو

یادگیری مهمترین ویژگی یک سیستم خبره هوشمند است سیستم هوشمند، انعطاف پذیری بیشتری داشته و بهتر می تواند در مورد مسایل و معادلات جدید پاسخگو باشد. از آنجا که در بحث نگهداری و تعمیرات، اعمال و تصمیمات انسانی نقش بسزایی دارد و در این میان شرایط محیطی و روحی می تواند بر این تصمیمات تاثیر گذار باشد، بنابر این افزایش خطا و در نتیجه آن افزایش هزینه های ناشین از تعمیرات، تعویض قطعات و نگهداری امری اجتناب ناپذیر است. لذا استفاده از تکنیک هایی که بتواند این خطاها را کاهش داده یا از بین ببرد، ضروری می باشد. در این مقاله یک سیستم مبتنی بر هوش مصنوعی جهت تشخیص خودکار عیوب موتور خودرو پیشنهاد می گردد. پایگاه داده مورد استفاده، اطلاعات بدست آمده از متخصصان مربوطه و کتب تعمیرات و نگهداری می باشد. در این مقاله از طبقه بندی با نظارت برای تشخیص هوشمند استفاده شده است که طبقه بندی های مورد بررسی، عبارتند از : طبقه بند حداقل فاصله، شبکه عصبی مصنوعی و ماشین بردار پشتیبان. علت انتخاب این طبقه بندها عملکرد بسیار خوب آنها در مسائل هوش مصنوعی می باشد. نتایج شبیه سازی نشان می دهد که شبکه عصبی نسبت به سایر طبقه بندها، در این زمینه، عملکرد موفق تری داشته و با درصد 92.8 خرابی های خودرو را به درستی تشخیص می دهد.

Keywords:

اتوماسیون , شبکه عصبی مصنوعی , ماشین بردار پشتیبان , هوش مصنوعی , یادگیری بانظارت