Đang tải... (xem toàn văn)
Phân loại tự động hư hỏng của bánh răng bằng phương pháp biến đổi Wavelet và Mạng nơ-ron tích chập... Mở đầu- Dao động kỹ thuật đã trở thành một lĩnh vực nghiên cứu có sự tác động và ảnh
Trang 2Phân loại tự động hư hỏng của bánh răng bằng phương pháp biến đổi Wavelet và
Mạng nơ-ron tích chập
Trang 3Mở đầu
- Dao động kỹ thuật đã trở thành một lĩnh vực nghiên cứu có sự tác động và ảnh hưởng sâu sắc đến nhiều ngành kỹ thuật khác.
- Phân tích dao động thực nghiệm, bao gồm kỹ thuật đo và các phương pháp phân tích tín hiệu dao động đóng một vai trò quan trọng.
Trang 4Mở đầu
Mục tiêu của phân tích dao động thực nghiệm
− Đo đạc các đại lượng dao động của đối tượng kỹ thuật và so sánh với các tiêu chuẩn nhằm mục đích kiểm định chất lượng, giám sát tình trạng kỹ thuật, đánh giá tác động đến con người và môi trường
Trang 5Mở đầu
− Đo đạc các đại lượng đầu vào (lực kích động) và các đại lượng đầu ra (dao động cơ học) nhằm mục đích nhận dạng tham số, xây dựng mô hình, khảo sát các đặc tính động lực học của đối tượng.
− Đo đạc các đại lượng lực và tải trọng động, làm cơ sở cho việc thiết kế hoặc điều khiển hoạt động của đối tượng
Trang 6Nội dung
Chẩn đoán hư hỏng hộp số bánh răngĐặc trưng phân bố thời gian - tần số
Trang 7Một máy bay chiến đấu bị rơi do lỗi ổ lăn vào năm 1996
Nhà máy thép hoạt động liên tục không ngừng nghỉ
I Chẩn đoán hư hỏng hộp số bánh răng
Trang 9I Chẩn đoán hư hỏng hộp số bánh răng
• So sánh độ chính xác các phương pháp trí tuệ nhân tạo của Elsayed [4]
Trang 10I Chẩn đoán hư hỏng hộp số bánh răng
• Chẩn đoán ung thư phổi bằng trí tuệ nhân tạo [5]
Thu thập ảnhTrích xuất đặc trưngChẩn đoán
Nhẹ Nghiêm
trọng
Trang 11II Đặc trưng phân bố thời gian - tần số
• Phép biến đổi Wavelet - Phân bố thời gian – tần số [6]
Mô tả phép biến đổi WaveletVí dụ phân bố thời gian – tần số
Trang 14III Mạng Nơ-ron tích chập – ResNet
• Cấu trúc mạng ResNet
Trang 15IV Kết quả thực nghiệm
• Mô hình thí nghiệm
Trang 16IV Kết quả thực nghiệm
• Các loại hư hỏng bánh răng trong bộ dữ liệu
Trang 17IV. Kết quả thực nghiệm
Trang 18IV Kết quả thực nghiệm
• Cấu trúc mạng ResNet
Trang 19IV. Kết quả thực nghiệm
Trang 20IV Kết quả thực nghiệm
Trang 21IV. Kết quả thực nghiệm
Trang 22IV Kết quả thực nghiệm
• Cấu trúc mạng ResNet
Trang 23IV Kết quả thực nghiệm
Kết quả phân loại của mô hình
Trang 24IV Kết quả thực nghiệm
• So sánh các kết quả nghiên cứu
Heidari et al.Liu Yang et al.Long Wen et al.Phương pháp đề xuất
Trang 25V Kết luận
• Phương pháp huấn luyện mạng nơ-ron tích chập phù hợp để tự động nhận diện và phân loại hư hỏng của hộp số
• Dữ liệu đầu vào phù hợp với mạng là hình ảnh phân bố thời gian tần số.
• So với những phương pháp khác, phương pháp đề xuất đã thể hiện được ưu điểm về chất lượng dữ liệu đầu vào, tiết kiệm chi phí tính toán và phân loại nhiều tình trạng với độ chính xác cao.
Trang 26Tài liệu tham khảo:
[1] Heidari-Bafroui, H and A Ohadi, Application of Continues Wavelet Transform and Neural Network in Gearbox Fault Detection under Varying Speed Conditions 2011.
[2] Yang, L and H Chen, Fault diagnosis of gearbox based on RBF-PF and particle swarm optimization wavelet neural network Neural Computing and Applications, 2019 31(9): p 4463-4478.
[3] Wen, L., X Li, and L Gao, A transfer convolutional neural network for fault diagnosis based on ResNet-50 Neural Computing and Applications, 2020 32(10): p 6111-6124.
[4] Elsayed, Mahmoud & Jahromi, Hamed & Nazir, Mohsin & Jurcut, Anca (2021) The role of CNN for Intrusion Detection Systems: An Improved CNN Learning Approach for SDNs.
[5] Bariqi Abdillah, Alhadi Bustamam, and Devvi Sarwinda(2016) Image processing based detection of lung cancer on CT scan images
[6] Mallat, S., A Wavelet Tour of Signal Processing 1999: Academic Press, New York Academic Press, New York.
Trang 27Thanks for listening