بررسی کاهش نویز در تحلیل سیگنال در عیب یابی ماشین های دوار توسط شبکه عصبی

عیب یابی سیستم های مکانیکی برای عملکرد بهتر سیستم و همچنین محافظت از آن، دارای اهمیت ویژه ای می باشد. در این پژوهش از یک سیستم آزمایشگاهی ماشین دوار برای تولید سیگنال و داده استفاده شده است. داده های بدست آمده در فرآیند پیش پردازش قرار می گیرند. در این مقاله برای بهبود عملکرد تحلیل سیگنال روش ترکیبی تحلیل با استفاده از ویژگی های سیگنال و فیلتر کالمن پیشنهاد می شود. در ابتدا برای کاهش نویز سیگنال ها از فیلتر کالمن استفاده می شود. و در ادامه برای پیش پردازش سیگنال ویژگی های سیگنال در حوزه زمان و حوزه فرکانس پیشنهاد می شود که از آن به عنوان پیش پردازش یک بعدی سیگنال استفاده شده است. در ادامه برای تحلیل ویژگی های بدست آمده از کلاس بندهای متعددی مانند ماشین بردار پشتیبان ، شبکه عصبی پرسپترون چند لایه و شبکه عصبی پیچشی استفاده شده است. برای بررسی نتایج داده ها به دسته داده های آموزشی و داده های صحت سنجی تقسیم بندی می شود. نتایج دقت برای داده های صحت سنجی در روش های مختلف مورد بررسی قرار می گیرد. نتایج حاکی از عملکرد بهتر شبکه عصبی پیچشی الکس نت در حضور فرآیند نویز زدایی با فیلتر کالمن می باشد. در این حالت به طور میانگین این شبکه به دقت 96.1 درصد برای داده های صحبت سنجی رسیده است که نسبت به سایر کلاس بندها و همچنین نسبت به عیب یابی بدون کاهش نویز، دقت آن بهبود داده شده است.