TY - JOUR ID - 22665 TI - پیش‌بینی روند زوال و عمر مفید باقی‌مانده ی یاتاقان غلتشی با کمک شبکه ی عصبی بازگشتی حافظه ی طولانی کوتاه مدت JO - مجله ی مهندسی مکانیک شریف JA - J40 LA - fa SN - 2676-4725 AU - بهزاد, مهدی AU - حسین لی, سیدعلی AU - ارغند, حسام الدین AU - بنازاده, افشین AD - دانشکده ی مهندسی مکانیک, دانشگاه صنعتی شریف AD - دانشکده ی مهندسی مکانیک، دانشگاه صنعتی شریف AD - گروه مهندسی مکانیک، دانشکده ی مهندسی، دانشگاه زنجان AD - دانشکده ی مهندسی هوافضا، دانشگاه صنعتی شریف Y1 - 2022 PY - 2022 VL - 38.3 IS - 1 SP - 63 EP - 71 KW - شبکه‌ی عصبی بازگشتی KW - شبکه‌ی عصبی حافظه‌ی طولانی کوتاه‌مدت KW - پیش‌بینی عمر یاتاقان غلتشی KW - پیش‌بینی ادامه‌ی سری زمانی KW - تست عمر پرشتاب یاتاقان DO - 10.24200/j40.2022.58619.1610 N2 - در این مقاله، بیشینه‌ی دامنه‌ی سیگنال زمانی شتاب به‌عنوان مشخصه‌ی ارتعاشی مناسب که نمایش‌گر خوبی از روند زوال یاتاقان غلتشی است انتخاب شده و به منظور پیش‌بینی روند زوال و عمر مفید باقیمانده به کار رفته است. در گام نخست با به کار بردن یک انتقال لگاریتمی، این مشخصه‌ی ارتعاشی به یک سری زمانی پایدار تبدیل شده است. سپس با کمک شبکه‌ی عصبی بازگشتی حافظه‌ی طولانی کوتاه‌مدت، نحوه‌ی رشد این مشخصه‌ی ارتعاشی پیش‌بینی شده است. این پیش‌بینی روی داده‌های دو نمونه از یاتاقان‌های آزمایش پرونوستیا که در ادبیات فن شناخته شده بوده و مورد استفاده محققین بسیاری قرار گرفته، اعمال شده است. با توجه به نتایج پیش‌بینی مدل، مدت زمان باقیمانده تا رسیدن این مشخصه‌ی ارتعاشی به یک آستانه‌ی معین ارائه شده است. همچنین اگر آستانه‌ی تعیین شده به معنی پایان عمر مفید یاتاقان باشد، می‌توان از الگوریتم پیشنهاد شده به منظور تخمین عمر مفید باقیمانده نیز بهره جست. نحوه‌ی عملکرد الگوریتم در راستای این هدف نیز ارائه و ارزیابی شده است.نتایج حاکی از مطابقت خوب پیش‌بینی مدل با داده‌های تجربی است. UR - https://sjme.journals.sharif.edu/article_22665.html L1 - https://sjme.journals.sharif.edu/article_22665_6b8a6ac9975caf1d31efda5fb67db3ae.pdf ER -