%0 Journal Article %T استخراج ویژگی به کمک یادگیری عمیق برای تشخیص و دسته بندی خطاهای مکانیکی یاتاقان در ماشین‌های القایی قفس سنجابی %J مکانیک سازه ها و شاره ها %I دانشگاه صنعتی شاهرود %Z 2251-9475 %A حسین تبار مرزبالی, محمد %A حسنی, سعید %A مشایخی, هدی %A مشایخی, ولی الله %D 2021 %\ 11/22/2021 %V 11 %N 5 %P 33-48 %! استخراج ویژگی به کمک یادگیری عمیق برای تشخیص و دسته بندی خطاهای مکانیکی یاتاقان در ماشین‌های القایی قفس سنجابی %K خطای مکانیکی %K شکستگی %K ترک %K یاتاقان %K پایش وضعیت %R 10.22044/jsfm.2021.10667.3360 %X یاتاقان‌ها یکی از مهمترین اجزای است که در پیشرانه‌های ماشین‌های الکتریکی مورد استفاده قرار می‌گیرد. تشخیص و دسته‌بندی موثر و زودهنگام خطای یاتاقان برای نگهداری پیشرانه یک سیستم الکترومکانیکی بسیار حائز اهمیت خواهد بود. با پیشرفت در سیستم‌های اندازه گیری و دیجیتال، داده‌های گسترده و حجیم به صورت زمان-حقیقی در ماشین‌های الکتریکی در دسترس خواهد بود. با توجه به اینکه تشخیص خطا به کمک روش‌های مرسوم پردازش سیگنال از سیگنال استخراج شده ممکن است به دلایل مختلفی همچون سطح اغتشاش، فرکانس‌های طبیعی سیستم، اشباع هسته، شدت خطا و میزان گشتاور مقاوم امکان پذیر نباشد، روش‌های یادگیری عمیق در این راستا مورد توجه قرار گرفته‌اند. در این مقاله شبکه عمیق یادگیری سری زمانی برای پایش وضعیت یاتاقان در ماشین‌های الکتریکی به منظور دسته‌بندی و شناسایی نوع خطا استفاده شده‌است. نتایج به دست آمده با روش‌های موجود و مرسوم بر روی داده‌های عملی مورد مقایسه قرار گرفته‌است. نتایج بدست آمده از داده‌های عملی نشان می دهد که روش یادگیری عمیق ارائه شده با دقت بالای 90 درصد امکان شناسایی و دسته‌بندی خطای یاتاقان را داراست. %U https://jsfm.shahroodut.ac.ir/article_2296_57cb78a5a7d3a3f49143e1570b0e57cc.pdf