کاربرد هوش مصنوعی در انتخاب ویژگی پیش بینی عمر مفید باقی مانده موتور توربوفن

جهان معاصر با ورود به حوزه هوش مصنوعی تعریف جدیدی را از علوم و تکنولوژی ارائه داده است. شبکه های عصبی سیستم ها یکی از روش های هوش مصنوعی است که روش های محاسباتی جدیدی برای یادگیری ماشین و اجرای آن ارائه می دهد. در حوزه صنعت هوانوردی، پیش بینی عمر مفید باقیمانده، نقش مهمی را در نگهداری و تعمیرات هواپیما ایفا می کند. پژوهش حاضر به یکی از مشکلات موجود در صنعت هوانوردی توجه کرده و سعی بر آن شده تا با رویکرد هوش مصنوعی راه حل کاربردی مناسبی برای آن بیابد. هدف این تحقیق ارائه رویکردی مبتنی بر یادگیری ماشین است که یک سیستم برآورد پیش بینی عمر مفید باقیمانده موتور توربو فن را در جدول های زمانی مشخص از فعالیت هواگرد پیش بینی می کند. در این پژوهش از مجموعه داده سنسورها از اجرا تا خرابی در یک ناوگان شامل نه موتور توربوفن با شرایط متفاوت و به صورت تصادفی استفاده شد. برای انتخاب سنسورها از روش های نظارت شده و نظارت نشده استفاده شده است و همچنین از تکنیک انتخاب ویژگی و استخراج ویژگی استفاده شد. در میان پیش‌بینی‌های عمرمفید باقیمانده موتورهای توربوفن، مدل ترکیب خودرمزگذار با حافظه کوتاه/بلند مدت (lstm )که در این پژوهش پیشنهاد شده بود به دقت بالاتری دست یافت. نتایج نشانگر آن است که ترکیب خودرمزگذار با lstm با mse (میانگین توان دوم خطاها) برابر 0/000586 دارای کمترین میزان خطا در بین روش های ذکر شده است که نشان می‌دهد این روش در پیش‌بینی عمر مفید باقیمانده موتور هواپیما موثرتر است.