بهره گیری از یادگیری انتقالی برای مکان یابی فاز معیوب و شناسایی خطای یاتاقان در موتورهای الکتریکی با استفاده از شبکه ی عصبی ترنسفورمر

چکیده مقاله

در این پژوهش، از مدل آموزش دیده ی قبلی مبتنی بر شبکه عصبی ترنسفورمر برای تشخیص شدت خطای اتصال کوتاه دور به دور استفاده شده است و با به کارگیری یادگیری انتقالی Transfer Learning و تنظیم دقیق Fine tuning ، این مدل برای کاربردهای جدیدی توسعه داده شده است دو مدل با قابلیت های متفاوت در تشخیص خطا ارائه شده اند: مدل اول برای مکان یابی فاز معیوب و مدل دوم برای شناسایی انواع خطاهای یاتاقان در موتورهای الکتریکی به منظور ارزیابی عملکرد معماری پیشنهادی، مدل تشخیص خطای یاتاقان با استفاده از داده های آزمایشگاهی آموزش داده شده و نتایج حاصل از آن مورد بررسی و گزارش قرار گرفته است شبکه ی منبع از سیگنال های جریان در قاب مرجع آلفا بتا به عنوان ورودی استفاده کرده و با بهره گیری از سازوکار توجه چندسر، ویژگی های مهم را استخراج و خروجی های دقیقی تولید می کند در شبکه ی انتقال یافته برای تشخیص خطای یاتاقان، از جریان های فاز a و b استفاده شده است فرآیند انتقال یادگیری شامل قفل کردن لایه های رمزگذار اصلی و آموزش مجدد لایه های انتهایی لایه ی طبقه بند برای مساله ی جدید است که منجر به کاهش بار محاسباتی و بهبود دقت پیش بینی می شود تشخیص خطاهای یاتاقان با استفاده از یک مجموعه داده شامل ۱۰ کلاس مختلف از خطاها اعتبارسنجی شده است و دقت پیش بینی بالای ۹۵٪ گزارش شده است

کلیدواژه‌ها

نویسندگان

فربد پروین

فارغ التحصیل دکتری مهندسی برق قدرت دانشگاه تهران

پروین، فربد،1403،بهره گیری از یادگیری انتقالی برای مکان یابی فاز معیوب و شناسایی خطای یاتاقان در موتورهای الکتریکی با استفاده از شبکه ی عصبی ترنسفورمر،بیست و چهارمین کنفرانس ملی علوم و مهندسی کامپیوتر و فناوری اطلاعات،بابل

ارائه‌شده در

مجموعه مقالات بیست و چهارمین کنفرانس ملی علوم و مهندسی کامپیوتر و فناوری اطلاعات26 مهر 1403 · بابل