مشخصات پژوهش

عنوان	پایش خطای برخط تجهیزات صنعتی دوار با بهره گیری از شبکه عصبی کانولوشن نیمه نظارتی
نوع پژوهش	مقالات در همایش ها
کلیدواژه‌ها	یادگیری نیمه نظارتی، پایش خطا، ماشین آلات دوار، شبکه عصبی کانولوشن
چکیده	ماشین آلات دوار اجزای حیاتی در صنایع مختلف از جمله نیروگاه ها هستند و نقش مهمی در حفظ عملکرد مداوم فرآیندهای صنعتی ایفا می کنند. قابلیت اطمینان ماشین آلات به شدت به عملکرد صحیح آنها وابسته است. بنابراین، پایش خطا در ماشین آلات دوار، از جمله ژنراتورها، پمپ ها، موتورها و کمپرسورها، برای جلوگیری از خرابی های فاجعه بار و کاهش توقف های ناخواسته تولید بسیار حائز اهمیت است. هر روش پیشنهادی برای پایش خطا در این تجهیزات باید از نظر زمان محاسباتی کارآمد، قابل اطمینان و به راحتی قابل اجرا باشد. در این رویکرد، ما یک روش پایش خطای برخط برای ماشین آلات دوار با بهره گیری از شبکه عصبی کانولوشن (CNN) نیمه نظارتی را پیشنهاد می دهیم که از سیگنال های جانبی دستگاه ها برای شناسایی و پیش بینی خطاها استفاده می کند. در واقع هدف ما استفاده از یک معماری CNN یک بعدی برای استخراج ویژگی سیگنال های جانبی است که خطا های کاری ماشین آلات دوار را منعکس می کند و یک ساختار شبکه عصبی نیمه نظارتی پیشرفته را توسعه می دهد که می تواند به طور دقیق خطا را طبقه بندی و شناسایی کند.
پژوهشگران	محمد مرتضی غلامی (نفر اول)، امین ترابی جهرمی (نفر دوم)، ولی اله غفاری (نفر سوم)
تاریخ انجام	1403-02-01