عیب یابی بلبرینگ ها بر پایه پردازش سیگنال های ارتعاشی در حوزه زمان-فرکانس با بهره گیری از الگوریتم های یادگیری عمیق

هدف این پژوهش ارائه روش جدیدی برای تشخیص بلبرینگ های معیوب و طبقه بندی عیوب آن ها بر پایە پردازش سیگنال ارتعاشی آن ها و با بهره گیری از الگوریتم های هوش مصنوعی است. الگوریتم های هوش مصنوعی برای طبقه بندی عیوب به دو دسته الگوریتم های یادگیری ماشین۱ و یادگیری عمیق۲ تقسیم می شوند. استفاده از روش های یادگیری ماشین معمولا نیازمند استخراج ویژگی های سیگنال توسط کاربر است، در حالی که در روش های یادگیری عمیق می توان سیگنال را به صورت خام نیز مورد استفاده قرار داد، به این معنا که استخراج ویژگی ها توسط خود عامل هوشمند صورت گیرد. در این پژوهش سیستمی بر پایە الگوریتم های یادگیری عمیق جهت طبقه بندی عیوب بلبرینگ ها و بر اساس سیگنال های ارتعاشی آن ها توسعه داده می شود؛ این سیستم بر پایه شبکه های عمیق عصبی است و شبکه های عصبی DCNN۳ ، شبکە پسماند۴ و شبکە رزولوشن بال۵ برای تشخیص و طبقه بندی عیوب بلبرینگ ها مورد بررسی قرار می گیرد. در این پژوهش،سیگنال های ارتعاشی هم به صورت خام و هم به صورت پردازش شده در حوزە زمان-فرکانس با کمک روش پردازش Wavelet برای آموزش۶الگوریتم های یادگیری عمیق استفاده می شود و تاثیر پردازش سیگنال های ارتعاشی بر روی دقت الگوریتم های یادگیری عمیق مورد بررسی قرار می گیرد