كنفرانس بين المللی مهندسی صنايع و سيستم ها

صفحه اصلی / دهمین كنفرانس بين المللی مهندسی صنايع و سيستم ها

یک روش طبقه‌بندی هوشمند مبتنی بر یادگیری پرش قابل اطمینان برای نگهداری و تعمیرات پیش گویانه

نویسندگان :

سپیده اعتمادی¹ مهدی خاشعی²

1- دانشگاه کوثر بجنورد 2- دانشگاه صنعتی اصفهان

کلمات کلیدی :

طبقه بندی،متدولوژی قابلیت اطمینان محور،متدولوژی مبتنی بر پرش،نرخ طبقه بندی،پرسپترون های چندلایه عمیق،نگهداری و تعمیرات پیش گویانه

چکیده :

طبقه‌بندی‌کننده‌های هوشمند به دلیل دقت بالاتر در مقایسه با سایر طبقه‌بندی‌کننده‌ها، برای اهداف تعمیر و نگهداری پیش گویانه بسیار مورد علاقه هستند. در میان متدولوژی های رایجی که اخیراً پدیدار شده‌اند، رویکردهای مدل‌سازی قابل اطمینان و مبتنی بر پرش، برای بهبود دقت طبقه‌بندی کننده ها شناخته شدند. در حالی که رویکردهای قابل اطمینان و مبتنی بر پرش مزایای متمایزی را در طراحی توابع هزینه و هدایت فرآیند یادگیری ارائه می دهند، ترکیب آن ها نشان‌دهنده توسعه جدیدی در پرداختن به مسائل طبقه‌بندی است که تمرکز اصلی مقاله حاضر است. بر این اساس، در طول مرحله اولیه روش پیشنهادی، از رویکرد مبتنی بر پرش برای اصلاح تابع ضرر طبقه‌بندی‌کننده‌های هوشمند عمیق معمول استفاده می‌شود. این انطباق به طبقه بندی کننده اجازه می دهد تا به طور موثر در نقاط گسسته حرکت کند. در مرحله دوم، روش مبتنی بر قابلیت اطمینان برای تابع ضرر مبتنی بر پرش به دست آمده از مرحله قبل اعمال می شود. در نتیجه، وزن های اتصالی طبقه‌بندی‌کننده به‌گونه‌ای برآورد می‌شود که فرکانس پرش آن‌ها به حداقل برسد. برای ارزیابی عملکرد طبقه‌بندی‌کننده پیشنهادی در زمینه نگهداری و تعمیرات پیش گویانه، سه مجموعه داده معیار شناخته‌شده در نظر گرفته می‌شود و سپس نرخ طبقه بندی آن با طبقه‌بندی‌کننده‌های یادگیری عمیق کلاسیک مقایسه می شود. یافته‌های تجربی نشان می‌دهد که عملکرد مدل پیشنهادی از عملکرد طبقه‌بندی‌کننده‌های پرسپترون چندلایه عمیق ، شبکه عصبی پیچشی و شبکه عصبی حافظه طولانی کوتاه مدت در همه مطالعات موردی پیشی می‌گیرد. در نتیجه، روش پیشنهادی را می توان با اطمینان به عنوان یک رویکرد قوی برای دستیابی به دقت قابل توجه در شناسایی الگوهای شکست و پیش بینی خرابی ها بکار برد.