كاربرد هوش مصنوعي در انتخاب ويژگي پيش بيني عمر مفيد باقي مانده موتور توربوفن

جهان معاصر با ورود به حوزه هوش مصنوعي تعريف جديدي را از علوم و تكنولوژي ارائه داده است. شبكه هاي عصبي سيستم ها يكي از روش هاي هوش مصنوعي است كه روش هاي محاسباتي جديدي براي يادگيري ماشين و اجراي آن ارائه مي دهد. در حوزه صنعت هوانوردي، پيش بيني عمر مفيد باقيمانده، نقش مهمي را در نگهداري و تعميرات هواپيما ايفا مي كند. پژوهش حاضر به يكي از مشكلات موجود در صنعت هوانوردي توجه كرده و سعي بر آن شده تا با رويكرد هوش مصنوعي راه حل كاربردي مناسبي براي آن بيابد. هدف اين تحقيق ارائه رويكردي مبتني بر يادگيري ماشين است كه يك سيستم برآورد پيش بيني عمر مفيد باقيمانده موتور توربو فن را در جدول هاي زماني مشخص از فعاليت هواگرد پيش بيني مي كند. در اين پژوهش از مجموعه داده سنسورها از اجرا تا خرابي در يك ناوگان شامل نه موتور توربوفن با شرايط متفاوت و به صورت تصادفي استفاده شد. براي انتخاب سنسورها از روش هاي نظارت شده و نظارت نشده استفاده شده است و همچنين از تكنيك انتخاب ويژگي و استخراج ويژگي استفاده شد. در ميان پيش‌بيني‌هاي عمرمفيد باقيمانده موتورهاي توربوفن، مدل تركيب خودرمزگذار با حافظه كوتاه/بلند مدت (LSTM )كه در اين پژوهش پيشنهاد شده بود به دقت بالاتري دست يافت. نتايج نشانگر آن است كه تركيب خودرمزگذار با LSTM با MSE (ميانگين توان دوم خطاها) برابر 0/000586 داراي كمترين ميزان خطا در بين روش هاي ذكر شده است كه نشان مي‌دهد اين روش در پيش‌بيني عمر مفيد باقيمانده موتور هواپيما مؤثرتر است.