تشخیص ناهنجاری در سیستم حسگر صنعتی با استفاده از شبکه های عصبی بازگشتی

تشخیص ناهنجاری در سیستم حسگر صنعتی با استفاده از شبکه های عصبی بازگشتی


تشخیص ناهنجاری در سیستم حسگر صنعتی با استفاده از شبکه های عصبی بازگشتی

نوع: Type: پایان نامه

مقطع: Segment: کارشناسی ارشد

عنوان: Title: تشخیص ناهنجاری در سیستم حسگر صنعتی با استفاده از شبکه های عصبی بازگشتی

ارائه دهنده: Provider: مهران بیگلری خوشمرام - مهندسی کامپیوتر

اساتید راهنما: Supervisors: دکتر محرم منصوری زاده

اساتید مشاور: Advisory Professors:

اساتید ممتحن یا داور: Examining professors or referees: دکتر حاتم عبدلی - دکتر رضا محمدی

زمان و تاریخ ارائه: Time and date of presentation: 7/12/1402

مکان ارائه: Place of presentation: آمفی تائتر

چکیده: Abstract: یکی از حوزه‌های جذاب هوش مصنوعی در سالیان اخیر در صنایع، تشخیص ناهنجاری در شبکه حسگر می¬باشد. یکی از کاربردهای این حوزه، تشخیص ناهنجاری موتورهای الکتریکی(الکتروموتور) می¬باشد. به¬دلیل کاربرد و اهمیت بسیار بالای الکتروموتور در صنایع، سرویس و نگهداری آن¬ها بسیار حائز اهمیت است. در حال حاضر سرویس و نگهداری از الکتروموتور زمانی انجام می¬شود که آسیب جدی دیده است. این آسیب به صورت صدا و لرزش نامتعارف که توسط انسان قابل تشخیص باشد، خود را نشان می¬دهد. به¬منظور تشخیص زودهنگام آسیب دیدگی الکتروموتور و نیاز به سرویس، می¬توان توسط حسگرهای مختلف شرایط الکتریکی و مکانیکی الکتروموتور را در شرایط سلامت توسط هوش مصنوعی آموزش و در صورت انحراف از رفتار متعارف، وضعیت را به سرعت تشخیص داد. تاکنون تلاش¬های بسیاری در زمینه تشخیص ناهنجاری الکتروموتور انجام شده است، اما به¬صورت کامل و با درنظر گرفتن تمامی عیوب مکانیکی و الکتریکی و با نگاه واقع بینانه به نیاز صنعت، به ندرت انجام شده است. در این پایان¬نامه سعی شده با لحاظ نمودن تمامی شرایط عملکردی الکتروموتور اعم از الکتریکی، مکانیکی و محیطی عملیات تشخیص ناهنجاری انجام شود و با نگاه واقع¬بینانه به نیاز صنایع (قیمت مناسب، قابلیت اطمینان و تشخیص بلادرنگ ناهنجاری بدون نیاز به بیان دقیق منبع ناهنجاری) سخت¬افزار و مدل مناسب پیشنهاد می-شود. به دلیل قیمت پایین و صنعتی بودن میکروکنترلرها یا کامپیوترهای کوچک صنعتی، نیاز به مدلی سازگار با توانایی پردازش و حافظه محدود این تجهیزات می¬باشد؛ به همین دلیل سعی شده با ایجاد یک توصیف¬گر ساده¬ شده¬ی بردار¬های ویژگی، مدلی با تعداد پارامتر کم، به¬همراه دقت بالای تشخیص ناهنجاری پیشنهاد شود. و با ساخت یک میز عملیاتی آزمایش الکتروموتور 3فاز، شبکه حسگر و مدل پیاده¬سازی و در عمل آزمایش و نتایج عنوان می¬شود. در¬نهایت مدل ایجاد شده با دقت 99% ناهنجاری¬های ایجاد شده را طبقه¬بندی می¬نماید.

فایل: ّFile: