این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مهندسی مکانیک امیرکبیر، جلد ۵۵، شماره ۱۲، صفحات ۲-۲
عنوان فارسی بررسی کاهش نویز در تحلیل سیگنال در عیب یابی ماشین های دوار توسط شبکه عصبی
چکیده فارسی مقاله عیب‌یابی سیستم‌های مکانیکی برای عملکرد بهتر سیستم و همچنین محافظت از آن، دارای اهمیت ویژه‌ای می‌باشد. در این پژوهش از یک سیستم آزمایشگاهی ماشین دوار برای تولید سیگنال و داده استفاده شده است. داده‌های بدست آمده در فرآیند پیش‌ پردازش قرار می‌گیرند. در این مقاله برای بهبود عملکرد تحلیل سیگنال روش‌ ترکیبی تحلیل با استفاده از ویژگی‌های سیگنال و فیلتر کالمن پیشنهاد می‌شود. در ابتدا برای کاهش نویز سیگنال‌ها از فیلتر کالمن استفاده می‌شود. و در ادامه برای پیش ‌پردازش سیگنال ویژگی‌های سیگنال در حوزه زمان و حوزه فرکانس پیشنهاد می‌شود که از آن به عنوان پیش‌ پردازش یک بعدی سیگنال استفاده شده است. در ادامه برای تحلیل ویژگی‌های بدست آمده از کلاس‌بندهای متعددی مانند ماشین بردار پشتیبان ، شبکه عصبی پرسپترون چند لایه و شبکه عصبی پیچشی استفاده شده است. برای بررسی نتایج داده‌ها به دسته داده‌های آموزشی و داده‌های صحت سنجی تقسیم‌بندی می‌شود. نتایج دقت برای داده‌های صحت سنجی در روش‌های مختلف مورد بررسی قرار می‌گیرد. نتایج حاکی از عملکرد بهتر شبکه عصبی پیچشی الکس نت در حضور فرآیند نویز زدایی با فیلتر کالمن می‌باشد. در این حالت به طور میانگین این شبکه به دقت 96.1 درصد برای داده‌های صحبت سنجی رسیده است که نسبت به سایر کلاس‌بندها و همچنین نسبت به عیب‌یابی بدون کاهش نویز، دقت آن بهبود داده شده است.
کلیدواژه‌های فارسی مقاله عیب یابی ماشین دوار، کاهش نویز، فیلتر کالمن، شبکه عصبی، پردازش سیگنال،
عنوان انگلیسی Investigating noise reduction in signal analysis in rotary machines fault diagnosing by neural network
چکیده انگلیسی مقاله Fault diagnosis of mechanical systems is of special importance for better system performance as well as its protection. In this work, a rotary motor laboratory system is used to generate signals and data. The obtained data are placed in the pre-processing process. In this article, to improve the performance of signal analysis, the combined analysis methods using signal features and Kalman filter are proposed. At first, the Kalman filter is used to reduce the signal noise. And in the following, for signal pre-processing, the features of the signal in the time domain and frequency domain are suggested, which have been used as one-dimensional signal pre-processing. In the following, several neural networks such as support vector machine, multilayer perceptron, and convolutional neural networks have been used to analyze the obtained features. To check the results, the data is divided into training data and validation data. Accuracy results for validation data are examined in different methods. The results indicate the better performance of the AlexNet convolutional neural network in the presence of the Kalman filter denoising process. In this case, this network has reached an average of 96.1% accuracy for validation data, which has been improved compared to other classifiers and fault diagnosis without noise reduction.
کلیدواژه‌های انگلیسی مقاله عیب یابی ماشین دوار, کاهش نویز, فیلتر کالمن, شبکه عصبی, پردازش سیگنال
نویسندگان مقاله حامد پورهاشم |
دانشکده مهندسی مکانیک، دانشگاه گیلان، رشت، ایران

علی جمالی |
دانشکده مهندسی مکانیک، دانشگاه گیلان، رشت، ایران

نادر نریمان زاده |
دانشکده مهندسی مکانیک، دانشگاه گیلان، رشت، ایران

علی چائی بخش |
دانشگاه گیلان - دانشکده مهندسی مکانیک

نشانی اینترنتی https://mej.aut.ac.ir/article_5374_7a52a4c8ac9bf1250b08c098a47c3d4b.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات