كاربرد روش‌هاي يادگيري ماشين در تشخيص عيب ياتاقان چرخ اتوبوس مسافربري به كمك سيگنال‌هاي ارتعاشي

اصفهان : دانشگاه صنعتي اصفهان

مكانيك

كارشناسي ارشد

چكيده تشخيص عيوب ياتاقان‌هاي چرخ اتوبوس‌ها به دليل تأثير مستقيم بر ايمني و كارايي سيستم‌هاي حمل و نقل عمومي و همچنين كاهش هزينه‌هاي نگهداري و تعميرات يك چالش مهم و ضروري است. خرابي ياتاقان چرخ مي‌تواند منجر به توقف‌هاي ناگهاني، افزايش هزينه‌هاي تعميرات و درصورت عدم تشخيص به موقع مي‌تواند باعث بروز حوادث خطرناكي از جمله قفل شدن چرخ‌ها و يا لق شدن آن‌ها شود. اين پژوهش با هدف استفاده از ابزارهاي يادگيري ماشين براي كاربري خاص كه تشخيص هوشمند عيب ياتاقان چرخ اتوبوس است، انجام شده است. داده‌هاي ارتعاشي از ياتاقان‌ چرخ اتوبوس‌ در جاده و در شرايط عملياتي واقعي با استفاده از يك حسگر دقيق جمع‌آوري و تحليل شدند تا از تطابق مدل‌هاي توسعه‌يافته با شرايط واقعي اطمينان حاصل شود. ابتدا داده‌ها پيش‌پردازش شدند و ويژگي‌هاي كليدي شامل پارامترهاي آماري استخراج شدند. سپس، از الگوريتم‌هاي يادگيري ماشين شامل ماشين بردار پشتيبان، يادگيري جمعي مبتني بر ماشين بردار پشتيبان و K-نزديك‌ترين همسايه براي توسعه مدل‌هاي تشخيص عيب استفاده شدند. مدل‌ها با استفاده از داده‌هاي جمع‌آوري‌شده آموزش داده شدند و سپس با استفاده از داده‌هاي آزمون ارزيابي گرديدند. نتايج نشان داد كه مدل‌هاي ماشين بردار پشتيبان با كرنل شعاعي و يادگيري جمعي بر پايه ماشين بردار پشتيبان و كرنل شعاعي عملكرد بهتري در تشخيص عيب ياتاقان‌ داشتند و دقت تشخيص بالاتري ارائه دادند. اين مدل‌ها قادر به شناسايي زودهنگام عيب بودند و توانستند از خرابي‌هاي ناگهاني جلوگيري كنند. استفاده از روش‌هاي پيشرفته يادگيري ماشين در اين پژوهش به‌طور مؤثري به بهبود ايمني، كاهش هزينه‌هاي نگهداري و افزايش بهره‌وري سيستم‌هاي حمل و نقل عمومي كمك مي‌كند. اين تحقيق نشان‌دهنده پتانسيل بالاي روش‌هاي پردازش سيگنال و يادگيري ماشين در بهبود عملكرد و ايمني سيستم‌هاي مكانيكي پيچيده در شرايط عملياتي و واقعي است.

229622

طراحي كاربردي

مهندسي مكانيك

دانشگاه صنعتي اصفهان