14717

مروري بر روش هاي يادگيري ماشين براي تشخيص عيب ياتاقان موتورهاي الكتريكي

1402

جواد پشتان

سعيد عباداللهي

تشخيص عيب ياتاقان به عنوان يك موضوع مهم در حوزه نگهداري و مديريت تجهيزات صنعتي، نقشي اساسي در بهبود كارايي و ايمني ماشين‌هاي دوار ايفا مي‌كند. ياتاقان‌ها به عنوان اجزاي كليدي در بسياري از ماشين‌آلات، از جمله موتورها، پمپ ها و تجهيزات حمل و نقل، به كاهش اصطكاك و افزايش كارايي كمك مي‌كنند. با اين حال، عيوب ياتاقان‌ها مي‌تواند منجر به توقف ناخواسته، خسارات مالي و حتي حوادث جدي شود. به همين دليل، شناسايي زودهنگام و دقيق عيوب ياتاقان براي حفظ عملكرد بهينه سيستم‌ها ضروري است. در اين راستا، استفاده از الگوريتم‌هاي يادگيري ماشين، به ويژه يادگيري عميق، به عنوان رويكردهاي نوين و مؤثر در تشخيص عيوب ياتاقان، توجه زيادي را جلب كرده است. يادگيري عميق با قابليت استخراج ويژگي هاي پيچيده و شناسايي الگوهاي مخفي در داده‌هاي بزرگ، مي‌تواند به بهبود دقت و سرعت تشخيص كمك كند. اين تكنيك‌ها به طور خاص در شرايطي كه داده‌هاي بزرگ و پيچيده وجود دارد، بسيار مؤثر هستند. اين سمينار به بررسي روش‌هاي مختلف هوشمند در تشخيص عيب ياتاقان، كاربردها و چالش‌هاي موجود در اين حوزه مي پردازد.

5/27/2025 12:00:00 AM

86741

1404/03/18

A review of machine learning methods for fault detection in electric motor bearings

تشخيص عيب ياتاقان , يادگيري ماشين , يادگيري عميق

Bearing fault diagnosis , Machine learning , Deep learning