تشخیص دو کلاسه خرابی یاتاقان توربین دندانپزشکی با تحلیل سیگنالهای ارتعاشی خام و استفاده از شبکه عصبی کانولوشن یک بعدی

چکیده مقاله

تشخیص به موقع خرابی یاتاقانهای توربینهای دندانپزشکی به دلیل نقش اساسی آنها در عملکرد سیستم و حفظ ایمنی بیمار، موضوعی مهم است برای این منظور در این پژوهش سیگنالهای ارتعاشی خام پس از مرحله برش پنجره ای به عنوان ورودی برای شبکه عصبی کانولوشن یک بعدی در نظر گرفته شدند این معماری با تحلیل سیگنالهای ارتعاشی خام موفق به تشخیص دو کلاسه خرابی یاتاقان شد برای اطمینان از صحت عملکرد و قابلیت تعمیم پذیری، مدل از روش اعتبار سنجی متقابل ۵ لایه استفاده شد در نهایت میانگین دقت ۱۰۰ و انحراف معیار ۰ به دست آمد که نشان دهنده عملکرد دقیق مدل هستند این یافته توانایی شبکه عصبی کانولوشن یک بعدی را در شناسایی وضعیت های عملکردی یاتاقان نشان می دهد

کلیدواژه‌ها

نویسندگان

آیدا مهمانی

گروه مهندسی برق دانشگاه پیام نور، تهران، ایران

زهره درانی

گروه مهندسی برق دانشگاه پیام نور، تهران، ایران

مهمانی، آیدا و درانی، زهره،1404،تشخیص دو کلاسه خرابی یاتاقان توربین دندانپزشکی با تحلیل سیگنالهای ارتعاشی خام و استفاده از شبکه عصبی کانولوشن یک بعدی،دومین کنفرانس بین المللی دو سالانه پیشرفت ها در هوش مصنوعی و علوم داده،بوشهر

ارائه‌شده در

همایش «بسیج، پیشرفت و امنیت پایدار در منطقه جنوب شرق کشور»7 بهمن 1404 · تهران