پيش‌بيني خرابي ياتاقان ژنراتور و گيربكس توربين بادي با استفاده از شبكه عصبي واحد بازگشتي دروازه‌دار (GRU)

كاهش هزينه‌ها و افزايش بهره‌وري يكي از مهم‌ترين هدف‌هايي است كه سازمان‌هاي تجهيزمحور دنبال مي‌نمايند. روش متداول نگهداري و تعميرات پيشگيرانه است، زمان‌بندي تعميرات انجام‌شده در سرويس و نگهداري پيشگيرانه غالباً سخت‌گيرانه تدوين مي‌شود، به اين معني كه غالباً قبل از اتمام عمر مفيد باقيمانده قطعات يدكي نسبت به تعويض آن‌ها اقدام مي‌گردد. با توجه به محل نصب توربين‌هاي بادي خصوصاً در توربين‌هاي فراساحلي، معضلات ارتفاعي و گراني قطعات يدكي و نيروي انساني متخصص از طرفي زمان انجام تعميرات كه توربين از مدار سرويس‌دهي خارج مي‌شود، تعميرات پيشگيرانه اين تجهيزات با هزينه‌هاي گزافي انجام مي‌شود. هدف اين مقاله شناسايي پيش‌آگهي‌هاي خرابي است، تا با پيش‌بيني خرابي، انجام عمليات تعميرات در زمان لازم (پيش بينانه) و نه زودتر (پيشگيرانه) انجام شود تا باعث كاهش هزينه‌هاي نگهداري و تعميرات گردد. در اين مقاله به شناسايي پيش‌آگهي‌هاي خرابي ياتاقان ژنراتور و ياتاقان گيربكس توربين بادي مي‌پردازيم. چهارچوب پيشنهادي به اين صورت است كه دماي ياتاقان ژنراتور و دماي ياتاقان توربين با استفاده از ورودي‌هاي دماي ناسل، سرعت روتور، توان اكتيو، دماي محيط بيرون، دماي روغن، سرعت ژنراتور و دماي استاتور ژنراتور در بازه زماني با استفاده از الگوريتم يادگيري عميق GRU مدل‌سازي مي‌شود. مقدار دماي پيش‌بيني‌شده مدل با مقدار واقعي اندازه‌گيري شده توسط سنسور مقايسه مي‌شود، و اختلاف بيشتر از حد آستانه، به‌عنوان پيش‌آگهي خرابي در نظر گرفته مي‌شود. در مرحله مقايسه، نتايج روش پيشنهادي با مطالعات پيشين و مجموعه هاي داده واقعي مقايسه شده و بهبود صحت مدل‌سازي و تسريع در شناسايي پيش‌آگهي خرابي را نشان داده مي‌شود.