0% Complete
صفحه اصلی
/
بیست و نهمین کنفرانس مهندسی برق ایران
طراحی خودرمزگذار متغیر جهت تشخیص عیب در بیرینگهای غلتشی
نویسندگان :
مریم آهنگ
1
مهدی علیاری شورهدلی
2
1- دانشگاه صنعتی خواجه نصیرالدین طوسی
2- دانشگاه صنعتی خواجه نصیرالدین طوسی
کلمات کلیدی :
بیرینگ غلتشی، تشخیص عیب، خودرمزگذار متغیر، یادگیری عمیق
چکیده :
پایش وضعیت سلامت ماشینآلات چرخشی یک وظیفهی مهم بهمنظور تضمین قابلیت اطمینان در فرآیندهای صنعتی است. بهطور خاص، بیرینگها اجزای مکانیکی هستند که در اکثر دستگاههای چرخشی مورداستفاده قرار میگیرند و منشأ اصلی عیب در چنین تجهیزاتی هستند؛ به همین دلیل است که اقدامات تحقیقاتی بهمنظور تشخیص و شناسایی عیب در آنها اهمیت فراوان دارد. در این مقاله به ارائه و طراحی نمونهای از خودرمزگذارهای متغیر که زیرمجموعهای از یادگیری ماشین و یادگیری عمیق و نوع خاصی از خودرمزگذارهای پشتهای هستند؛ جهت تشخیص عیب بیرینگهای غلتشی در محیطهای با نویز بالا میپردازیم. تغییرات اعمالشده در تابع هزینهی خودرمزگذار متغیر، کارایی این روش را بهبود بخشیده و از نوآوریهای این پژوهش است. درنهایت به جهت ارزیابی روش پیشنهادی آزمایشهایی روی مجموعه دادهی CWRU انجامگرفته که بیانگر توانایی بالای این الگوریتم در تشخیص عیب بهخصوص در محیطهای با نویز بالا است.
لیست مقالات
لیست مقالات بایگانی شده
Breast tumor detection using graphene-based terahertz patch antenna
Zahra Yasaghi - Ayaz Ghorbani - Gholamreza Moradi
A Novel Application of the Travel Profile for the Electrical Bus in Electric Systems for Transportation
Mohsen Tamaddon - Mohsen Davoodi
A Simulation of Bayesian Surprise
Alireza Maleki - Ali Taherinassaj - Hoda Mohammadzade
A High Linearity Wideband Low-Noise Amplifier Using Capacitor Cross-Coupled Common-Gate Structure
Abolfazl Rajaiyan - Fahimeh Rahimi - Mehdi Saberi
Towards Blockchain-based Remote Management Systems for Patients with Movement Disorders
Behnaz Behara - Mehdi Delrobaei
CNN-LSTM model for Confusion Classification; using Single-Channel EEG
Amirhossein Aran - Zahra Ghanbari - Mohammad Hassan Moradi
Analytical Model for Estimating the Range of Troposcatter Active Radar
Mahdi Shiri - Mohammadreza Edalatzadeh
Comparison of the MRT and ZF Precoding in Massive MIMO Systems from Energy Efficiency Viewpoint
Mahdi Nangir - Abdolrasoul Sakhaei Gharagezlou - Nima Imani
Modulation Classification with Convolutional Neural Network based Deep Learning in Elastic Optical Network
Ehsan Varasteh - Seyed Sadra Kashef - Morteza Valizadeh - Mehdi Ranjbar Zefreh
Applying Parameter-Oriented Learning to Identify Statistical EEG Features Associated with Depression
Sara Bargi Barkouk - Melika Changizi - Mahdi Zolfagharzadeh Kermani - Ali Asadi Zeidabadi
بیشتر
ثمین همایش، سامانه مدیریت کنفرانس ها و جشنواره ها - نگارش 43.6.0