زهرا منصوروار - کارشناسی ارشد مهندسی صنایع، دانشگاه صنعتی ارومیه
مصطفی جهانگشایی - استاد، دانشگاه صنعتی ارومیه

جهان معاصر با ورود به حوزه هوش مصنوعی تعریف جدیدی را از علوم و تکنولوژی ارائه داده است. شبکه های عصبی سیستم ها یکی از روش های هوش مصنوعی است که روش های محاسباتی جدیدی برای یادگیری ماشین و اجرای آن ارائه می دهد. در حوزه صنعت هوانوردی، پیش بینی عمر مفید باقیمانده، نقش مهمی را در نگهداری و تعمیرات هواپیما ایفا می کند. پژوهش حاضر به یکی از مشکلات موجود در صنعت هوانوردی توجه کرده و سعی بر آن شده تا با رویکرد هوش مصنوعی راه حل کاربردی مناسبی برای آن بیابد. هدف این تحقیق ارائه رویکردی مبتنی بر یادگیری ماشین است که یک سیستم برآورد پیش بینی عمر مفید باقیمانده موتور توربو فن را در جدول های زمانی مشخص از فعالیت هواگرد پیش بینی می کند. در این پژوهش از مجموعه داده سنسورها از اجرا تا خرابی در یک ناوگان شامل نه موتور توربوفن با شرایط متفاوت و به صورت تصادفی استفاده شد. برای انتخاب سنسورها از روش های نظارت شده و نظارت نشده استفاده شده است و همچنین از تکنیک انتخاب ویژگی و استخراج ویژگی استفاده شد. در میان پیش بینی های عمرمفید باقیمانده موتورهای توربوفن، مدل ترکیب خودرمزگذار با حافظه کوتاه/بلند مدت (LSTM )که در این پژوهش پیشنهاد شده بود به دقت بالاتری دست یافت. نتایج نشانگر آن است که ترکیب خودرمزگذار با LSTM با MSE (میانگین توان دوم خطاها) برابر ۰/۰۰۰۵۸۶ دارای کمترین میزان خطا در بین روش های ذکر شده است که نشان می دهد این روش در پیش بینی عمر مفید باقیمانده موتور هواپیما موثرتر است.

هوش مصنوعی، موتور توربوفن، عمر مفید باقی مانده، خود رمز نگار