پایش وضعیت یاتاقان های غلتشی با استفاده از مدل یادگیری ماشین

در سال های اخیر با ظهور انقلاب صنعتی چهارم و توسعه فناوری های هوش مصنوعی، رویکردهای نوینی در زمینه نگه داری و تعمیر افزارگان معرفی شده اند؛ که از آن جمله می توان به همزاد دیجیتال اشاره نمود. اولین گام برای ایجاد همزاد دیجیتال یک افزار، ساخت شاخص های کمی و کیفی است که برای توصیف لحظه ای افزار در طی مدت بهره برداری به کار می رود. در این پژوهش یک روش نوین برای ساخت شاخص سلامت افزارگان براساس اندازه گیری ارتعاشات و مدل های یادگیری عمیق معرفی شده است. برای این منظور داده های ارتعاشی خام تجهیز با استفاده از تبدیل موجک پیوسته به تصاویر دوبعدی تبدیل خواهند شد. سپس با استفاده از یک مدل یادگیری عمیق، میزان تفاوت تصاویر وضعیت سالم و معیوب افزار تشخیص داده شده و شاخص سلامت ایجاد می شود. مدل ارایه شده می تواند به صورت خودکار شاخص سلامت را ایجاد نماید و نیازمند دانش متخصص خبره برای تفسیر نتایج آنالیز ارتعاشی نیست. همچنین، آموزش مدل یادگیری عمیق به صورت بدون نظارت بوده و تنها با استفاده از داده های ارتعاشی وضعیت سالم تجهیز صورت می پذیرد و بنابراین نیازمند داده های خرابی پیشین نیست. عملکرد مدل پیشنهادشده توسط داده های ارتعاشی یاتاقان مورد ارزیابی قرارگرفته که نشان از توانایی قابل قبول شاخص سلامت در تشخیص آغاز خرابی و چگونگی روند رشد آن دارد.