|
جلالالدین نظامیپور دانشجوی دکتری رشته مهندسی صنایع، از رساله خود با عنوان «پیشبینی عمر مفید باقیمانده و ارزیابی قابلیت اطمینان برخط سیستم با استفاده از پایش عملکرد و شبکه عصبی با داده پایشی محدود» به راهنمایی آقای دکتر محمدعلیها ۲ تیر ماه ۱۴۰۵ ساعت ۸ صبح دفاع خواهد نمود.
استاد راهنما: آقای دکتر محمدرضا محمدعلیها
استاد مشاور: آقای دکتر محمدرضا محمدی
اساتید داور داخلی: آقای دکتر سیدجعفر سجادی- آقای دکتر روزبه قوسی
اساتید داور خارجی: آقای دکتر عماد روغنیان- آقای دکتر مهدی فکورثقیه
زمان دفاع: ۲ تیر ماه ۱۴۰۵- ساعت ۸ صبح کلاس ۲۰۸ (طبقه دوم دانشکده)
چکیده:
یکی از کلیدیترین مسائل برای پایش وضعیت سلامت و مدیریت نگهداری و تعمیرات سیستمهای مختلف، ارزیابی اُفت قابلیت اطمینان عملکردی و برآورد عمر مفید باقیمانده در زمان نزدیک به واقعیت است؛ ولی اندازهگیری عمر مفید باقیمانده با روشهای عمر پرشتاب، بسیار پرچالش، پرهزینه و برای سیستمهای بیهمتا و گرانقیمت از جمله صنایع فضایی، دفاعی و هایتِک تقریبا غیرممکن بوده و یا به روشهای استاتیکی و غیردینامیک انجام میشود. با توجه به روند اُفت عملکرد در سیستمها مبتنی بر مدل عملکرد- الزامات، این رساله یک مدل مبتنی بر روند اُفت و دینامیک را پیشنهاد میدهد که میتواند با آگاهی از فیزیک اُفت و با استفاده از دادههای پایشی، از کارکرد واقعی سیستم تحت شرایط واقعی عملیات اطمینان نماید. این چارچوب، یک مدل مکمل از دو شبکه عصبی عمیق قابل تغییر است. شبکه اول با استفاده از وزندهی پویا، تاثیرات پارامترهای موثر بر اُفت عملکرد را مدلسازی میکند، و شبکه دوم با آگاهی از روابط کشفشده، پیشبینیهایی برای روند اُفت ارائه میدهد. این چارچوب پیشنهادی با استفاده از وزندهی پویا، مشکل کمبود داده و عدم شناخت برهمکنشهای دینامیک سیستمی را با عبور از قابلیت اطمینان آماری و استاتیک تا حدود زیادی برطرف میکند. این رساله، اثربخشی و اعتبار روش پیشنهادی را از طریق دو مطالعه موردی بر روی دادههای شرایط محیطی و بار کاری یک پمپ خنککننده و یک کمپرسور توربین گازی نشان میدهد. نتایج نشان میدهد که رویکرد پیشنهادی بسیار مفید است، بهطوریکه میانگین دقت پیشبینیها در برخی معماریها تا ۹۹% افزایش یافته و در مقایسه با شبکههای عصبی فاقد وزندهی دینامیک، مطلوبتر است. در مقایسهی نتایج مدل پیشنهادی در این پژوهش با روشهای متداول یادگیری ماشین عمیق مانند درخت تصمیم و ماشین بردار پشتیبان نیز، مطلوبیت بالاتر مدل در استواری مدل، میزان بالاتر دقت و کاهش خطا در پیشبینی و ارزیابی مشخص شد. با استفاده از روش پیشنهادی مبتنی بر کشف فیزیک برای پیشبینی عمر، میتوان قابلیت اطمینان عملکرد و باقیمانده عمر مفید سیستمها و شاخصهای سلامتی آنها را بهطور موثر ارزیابی کرد و مدیریت تعمیرات و نگهداری را بهبود بخشید.
کلمات کلیدی: قابلیت اطمینان برخط، عملکرد سیستم، شبکه عصبی، عمر مفید باقیمانده، مدل عملکرد- الزامات
|
ind.iust.ac.ir