چکیده مقاله
در این مقاله مدلی جهت تخمین عمر باقی مانده یاتاقان مبتنی بر مدل یادگیری عمیق LSTM و تبدیل موجک پیوسته پیاده سازیشد داده های مورد نیاز در این تحقیق از پایگاه داده تهیه شد هر سیگنال ارتعاشی توسط تبدیل موجک پیوسته تجزیه و خروجی آن بهصورت طیف اسکالوگرام نمایش داده شد در نهایت از طیف های اسکالوگرام جهت ایجاد مدل LSTM برای تخمین عمر باقی ماندهیاتاقان استفاده شد در نهایت نتایج مدل یادگیری عمیق نیز سه مدل مختلف شبکه عصبی مصنوعی با توابع فعالسازی Trainbr, Trainlm و Trainscg مقایسه شدو نتایج نشان داد که مقدار RMSE و MAPE برای مدل LSTM ۰ به ترتیب برابر با ۰/۱۸ و ۰/۰۱۰۳ به دست آمد که میانگین این مقادیر برای هر سه مدل شبکه عصبی به ترتیب برابر با ۱۲/۴۳۷۷ و ۱/۵۵۵۷ بودند
کلیدواژهها
نویسندگان
پروانه امجدیان
استادیار گروه مهندسی مکانیک، واحد صحنه، دانشگاه آزاد اسلامی، صحنه، ایران
سیدرسول سجادی
دانشجوی کارشناسی ارشد مهندسی مکانیک، موسسه آموزش عالی زاگرس، کرمانشاه، ایران
شیوه ارجاع
�مجدیان، پروانه و سجادی، سیدرسول،1402،تخمین عمر باقی مانده یاتاقان با استفاده از پردازش سیگنال های ارتعاشی توسط تبدیل موجک پیوسته وشبکه یادگیری عمیق LSTM،پنجمین کنفرانس ملی مهندسی مکانیک، عمران و فناوری های پیشرفته،اسفراین
ارائهشده در
مجموعه مقالات پنجمین کنفرانس ملی مهندسی مکانیک، عمران و فناوری های پیشرفته23 آبان 1402 · اسفراین