عباس روحانی بسطامی - عضو هیات علمی دانشکده مهندسی مکانیک و انرژی، ایران، تهران، دانشگاه شهید بهشتی،
الیاس ترکمندی - دانشجوی کارشناسی ارشد دانشکده مهندسی مکانیک و انرژی، ایران، تهران، دانشگاه شهید بهشتی،
تندر فهیمی زند - دانشجوی کارشناسی ارشد دانشکده مهندسی مکانیک و انرژی، ایران، تهران، دانشگاه شهید بهشتی،

با گسترش کاربرد هوش مصنوعی در پایش وضعیت ماشین ها، استفاده از تشخیص حالت نامتعارف اهمیت پیدا خواهد کرد. استفاده از شبکه های عصبی مصنوعی در پایش وضعیت ماشین الات دوار نیازمند در اختیار داشتن مجموعه داده هایی برای آموزش حالت های مختلف سلامت و معیوب ماشین است. حال اگر ماشین رفتاری از خود نشان دهد که در مجموعه داده های آموزشی وجود ندارد، در این حالت، روش هوش مصنوعی دچار خطا شده و این رفتار جدید ماشین را به عنوان یکی از حالت های آموزش داده شده طبقه بندی کند و در نتیجه ی تشخیص نادرست امکان بروز حادثه در ماشین وجود خواهد داشت. در این تحقیق با استفاده از چند نوع شبکه ی عصبی مصنوعی به تشخیص عیوب و همچنین تشخیص حالت نامتعارف در پمپ گریز از مرکز با استفاده از داده های آزمایشگاهی پرداخته شده است.

تشخیص حالت نامتعارف؛ عیبیابی هوشمند؛ شبکه عصبی مصنوعی؛ پمپ سانتریفیوژ؛ آنالیز ارتعاشات