23251

بررسي رويكردهاي مبتني بر آناليز داده به منظور ارزيابي سلامت تجهيز و پيش بيني عمر باقيمانده

كارشناسي ارشد

مهندسي مكانيك

1399

1399/11/7

دكتر مجيد رجبي

مكانيك

با توجه به پيشرفت علم، در واحد (نگهداري و تعميرات) ضرورت تحقيق در زمينه پيش¬بيني عمر امري ضروري محسوب مي¬شود. كه تحقيقات زيادي در اين زمينه صورت گرفته است و در اين پژوهش به بررسي ضرورت پيش¬بيني عمر تجهيزات و روش¬هاي پيش¬بيني عمر يك تجهيز مي¬پردازيم، تجهيز مورد بررسي در اين پژوهش ياتاقان است كه يكي از اجزاء مهم ماشين آلات دوار است. روش پيشنهادي استفاده از شبكه¬هاي عصبي عميق است كه توانايي بالايي در استخراج ويژگي¬ها و محاسبات پيچيده دارند. در اين پايان نامه در ابتدا ضرورت و اهميت پيش¬بيني عمر مورد بررسي قرار گرفته و در ادامه مروري بر تحقيقات پيشين و روش-هاي مختلف پيش¬بيني عمر صورت گرفته است و سپس به معرفي روش يادگيري ماشين پرداخته شده است در در ادامه روش پيشنهادي كه نوعي شبكه عصبي عميق كانولوشن است پياده سازي شده و ديتاست مسابقات مديريت سلامت و پيش¬بيني عمر برگزار شده در سال 2012 شرح داده شده و در انتها معيار عملكردي شبكه پياده¬سازي شده با شبكه عصبي عميق تمام متصل استفاده شده بر روي ديتا ست مذكور مورد مقايسه قرار گرفته است كه عملكرد بهينه شبكه پيشنهادي را به همراه داشت و نتايج پيش¬بيني عمر شبكه عصبي پياده سازي شده در اين پايان نامه نيز با نتايج نفر اول و نفر دوم مسابقات مديريت سلامت و پيش¬بيني عمر سال 2012 مورد مقايسه قرار گرفته است كه قرار گرفتن در ميان نفر اول و دوم مسابقات عملكرد موثر شبكه مطرح شده در اين پايان نامه را مي رساند.

1399/11/11

Investigation of data analysis-based approaches for equipment safety evaluation and remaining life estimation

1/26/2021 12:00:00 AM

The scientific advancements in the maintenance unit provided a necessity for investigation in the field of life prediction. Different researches have been performed in this area. The purpose of this study is to express the necessity of predicting equipment life and evaluate the existing methods for predicting equipment life. In this regard, bearing life is assessed as one of the components of the rotary machines. Deep neural networks are proposed as an alternative to address this problem. This method can properly extract features and perform complex computations. This dissertation is outlined as follows. The first step is concerned with investigating the necessity and importance of the life prediction. Then, the literature review is characterized to investigate the existing methods for life prediction. The next step is involved in introducing the machine learning method. In this regard, the proposed method is established, so that it is a type of deep convolutional neural network. Besides, the dataset of the health management and life prediction competitions held in 2012 is represented. Finally, the performance criterion of the implemented network is compared to the fully connected deep neural network applied on the mentioned dataset. The results of the comparison revealed the optimal performance of the proposed network. The results of the life prediction of the implemented neural network are compared to the results of the first and second ranks of the health management and life prediction competitions in 2012. The outcomes demonstrated that the achieved results fall between the outputs of the first and second ranks of the competitions. This issue approves the effective performance of the suggested network in this dissertation.

پايش وضعيت، تخمين عمر، شبكه عصبي كانولوشن، رويكرد آناليز داده، يادگيري ماشين، مسابقات مديريت سلامت و پيش¬بيني عمر 2012

Condition Monitoring, Useful Life Estimation, Convolution Neural Network, Data Analysis Approach, Machine Learning, PHM Competition 2012