26260

طراحي و نصب سيستم تخمين عمر مفيد باقي مانده (RUL) در سيستم هاي الكترومكانيكال

كارشناسي ارشد

مهندسي مكانيك

97

1400/08/25

دكتر محمد رياحي

مهندسي مكانيك

با توجه به خرابي سيستم ها و به طور ويژه سيستم هاي بحراني كه به دنبال آن بروز آسيب هاي جاني و مالي را همراه دارد، اهميت نگاهداشت و تعميرات مخصوصا روش هاي نگاهداشت و تعميرات پيشبينانه و پيش گيرانه بيش از پيش مورد توجه قرار گرفته است. در همين راستا در اين پژوهش مقرر شد سيستم تخمين عمر مفيد باقي مانده براي سيستم هاي الكترومكانيكال طراحي و ساخته شود. در پژوهش مورد بحث ابتدا به معرفي نگاهداشت و تعميرات و عمر مفيد باقي مانده با انواع رويكردهاي مربوطه پرداخته شد، سپس پيشينه پژوهش در زمينه تخمين عمر مفيد باقي مانده سيستم هاي الكترومكانيكال با روش هاي مختلف كه توسط سايرين انجام شده مرور شد. در ادامه با استفاده از مجموعه داده هاي موتور توربوفن هواپيما كه در مخزن داده هاي ناسا موجود است و به كارگيري شبكه عصبي و يادگيري عميق، عمر مفيد باقي مانده موتور توربوفن هواپيما تخمين زده شد، سپس مدل شبكه آموزش داده شده جهت پياده سازي سخت افزاري به محيط سيمولينك منتقل گشت. پس از آن مدل تخمين عمر روي سخت افزار پياده سازي شد و به صورت زمان واقعي اجرا شده است. در نهايت سيستم ساخته شده تكميل شده و نتايج و تفسير هاي مربوطه ارائه شده است.

1400/12/15

Design and installation of remaining useful life (RUL) system for the electromechanical systems

11/16/2022 12:00:00 AM

Due to the failure of systems, especially critical systems, which increases the financial losses and human accidents, the importance of the preventive and predictive maintenance method is given more attention. In this research, a device is designed and built to estimate the remaining useful life for an electromechanical system. for this purpose, first, maintenance and remaining useful life with various approaches are introduced. Then the research background in estimating the remaining useful life of electromechanical systems was reviewed by various methods. The dataset of an airplane turbofan engine available in the NASA datasets was used in the neural network of deep learning to estimate the remaining useful life. The neural network model was trained in the Simulink environment to implement on the hardware. The remaining useful life estimation model was done on the hardware in real-time simulation. Finally, the built system is completed, and the results were presented.

عمر مفيد باقي مانده , يادگيري عميق , موتور توربوفن هواپيما , هوش مصنوعي , سخت افزار

Remaining useful life , Deep learning , airplane turbofan engine , Artificial intelligence , , Hardware

hosein kianpour Lirharani

professor mohammad riahi