یک مدل هوش مصنوعی برای ساخت شاخص سلامت چرخ دنده ها

هدف از پایش وضعیت افزارگان مکانیکی، رصد لحظه ای افزار به منظور پیش بینی رخ داد واماندگی است. اولین گام برای پایش وضعیت یک افزار ساخت شاخص سلامت برای آن است. برای ایجاد شاخص سلامت ابتدا بایست داده های عملکردی همچون داده های ارتعاشی از افزار در طی مدت بهره برداری گردآوری شوند و سپس ویژگی های معنی دار از داده استخراج شوند. در این مطالعه یک مدل هوش مصنوعی (خود رمزگذار همگشتی [i]) برای استخراج ویژگی از داده های ارتعاشی معرفی شده که صرفا نیازمند داده های وضعیت سالم افزار برای آموزش است. در این مدل، داده های ارتعاشی افزار در طی مدت بهره برداری در وضعیت سالم افزار به صورت برخط جمع آوری می شوند تا پایگاه داده در وضعیت سالم ایجاد شود. پس از تشخیص شروع وضعیت خرابی افزار، افزودن داده به پایگاه داده وضعیت سالم متوقف شده و مدل خود رمزگذار همگشتی توسط پایگاه داده آموزش می بیند. درنهایت در طی مرحله رشد خرابی ها، شاخص سلامت توسط تفاوت داده های ارتعاشی افزار در وضعیت خراب با پایگاه داده در وضعیت سالم ساخته می شود. عملکرد مدل پیشنهادی توسط داده های ارتعاشی چرخ دنده ارزیابی شده است و نتایج نشان دهنده عملکرد قابل قبول این روش در ساخت شاخص سلامت برای چرخ دنده ها است.