9134

طراحي و ساخت زمان واقعي تعمير و نگهداري پيش بينانه مبتني بر داده براي موتور توربوفن

كارشناسي

مهندسي برق

1403

دكتر سعيد شمقدري

1403/05/29

مهندسي برق

Design and Implementation of Real-Time Data-Driven Predictive Maintenance for Turbofan Motor

در اين پيشنهاد ، ما يك رويكرد جامع براي تجزيه و تحليل مجموعه داده هاي موتور جت توربوفان ناسا براي نگهداري پيش بيني را شرح مي دهيم. هدف اين است كه عمر مفيد باقي مانده (RUL) را تخمين بزنيم و شكست ها را با استفاده از يادگيري ماشين و تكنيك هاي شبكه عصبي پيش بيني كنيم. علاوه بر اين ، ما RUL را به سه دسته طبقه بندي خواهيم كرد: "متوسط" ، "بحراني" و "عادي”. هدف اصلي اين مطالعه توسعه يك مدل نگهداري پيش بيني قدرتمند براي موتورهاي جت توربو فن ناسا است. اين شامل: 1.برآورد عمر مفيد باقي مانده (RUL): استفاده از روش هاي يادگيري ماشين و شبكه عصبي براي برآورد دقيق طول عمر عملياتي باقي مانده موتورهاي جت. 2.طبقه بندي پيش بيني شكست: استفاده از مدل هاي يادگيري ماشين و يادگيري عميق براي طبقه بندي حالت هاي شكست بالقوه ، اجازه مداخله و نگهداري به موقع را مي دهد. 3.طبقه بندي قوانين: طبقه بندي RUL به "متوسط" ، "مهم" و "عادي" براي تسهيل تلاش هاي نگهداري اولويت دار.

Predictive Maintenance , تعمير و نگهداري پيش بينانه , Data-Driven , مبتني بر داده