هدف ما ، پیش بینی باقی مانده عمر مفید تجهیزات به نظارت بر وضعیت با شبکه عصبی

پیش بینی دقیق باقی مانده عمر مفید تجهیزات برای بهبود قابلیت اطمینان و کاهش تعمیرات و هزینه در هر شرایطی حیاتی است . در این مقاله، یک روش مبتنی بر شبکه عصبی مصنوعی (ANN) برای دستیابی دقیق تر باقی مانده پیش بینی عمر مفید تجهیزات با نظارت بر وضعیت ارائه شده است . در این مدل ANN سن که مقداری قابل اندازه گیری با نظارت بر وضعیت تجهیرات در نقاط بازرسی در زمان حال و گذشته را به عنوان ورودی می گیرد و درصد زندگی را به عنوان خروجی می دهد . از یک تابع تعمیم یافته از تابع وایبل برای تطبیق داده های اندازه گیری شده به یک نقطه شکست برای پیش بینی میزان شکست استفاده شده است.

مقادیر اندازه گیری و منطبق شده به عنوان مجموعه آموزشی شبکه عصبی مصنوعی قرار می گیرد که تاثیر نویزهای نامربوط بر تخریب تجهیزات را کاهش میدهد. مکانیزم اعتبار سنجی در فرآیند آموزش شبکه عصبی مصنوعی برای بهبود عملکرد پیش بینی مدل ANN معرفی شده است .

روش پیشنهادی با استفاده از داده های جمع آوری شده دنیای واقعی با نظارتبر ارتعاشات یاتاقان های پمپ اعتبارسنجی می شود. بین روش شبکه عصبی مصنوعی ارائه شده و نسخه منطبق بر روش گزارش شده مقایسه ای انجام شده است که نتایج نشان می دهد که استفاده از روش ارائه شده در دستیابی به پیش بینی دقیق تر باقی مانده عمر مفید مطلوب تر می باشد.

An artificial neural network method for remaining useful life

Prediction of equipment subject to condition monitoring

یک روش شبکه عصبی مصنوعی برای پیش بینی باقی مانده

عمر مفید تجهیزات به نظارت بر وضعیت

Published in:  Springer

Date of Publication: 2012

برای مشاهده مقاله ؛ تصویر فوق را کلیک کنید تا دانلود شود

مشخصات شبیه ساز:

کارشناسی ارشد نرم افزار

دانشگاه اراک

محتویات:

• اصل مقاله
• پیاده سازی با Matlab
• ضمیمه کردن گزارش فارسی و نتایج
• ضمیمه کردن دیتابیس

دانلود فایل

توضیحات صوتی متخصص نیز موجود میباشد که در صورت نیاز و با پرداخت جداگانه ایمیل میشود

Papersim2015@gmail.com