• چکیده (5)
• فصل1 معرفی پژوهش (12)
  • 1-1 اهمیت و کاربرد پژوهش (12)
  • 1-2 تعریف و اهداف پژوهش (13)
  • 1-3 مروری بر فصل‌‌های پیشنهادی پژوهش (15)
• فصل2 مبانی پژوهش و مرور ادبیات (16)
  • 2-1 مقدمه (16)
  • 2-2 استراتژی‌های نگه‌داری و تعمیرات (16)
    • 2-2-1 نگه‌داری و تعمیر عکس‌العملی (17)
    • 2-2-2 نگه‌داری و تعمیرات دوره‌ای (نگه‌داری پیشگیرانه) (17)
    • 2-2-3 نگه‌داری و تعمیرات مبتنی بر وضعیت (نگه‌داری پیش‌بینانه) (18)
  • 2-3 آنالیز ارتعاشات (19)
  • 2-4 اجزا مورد بررسی یاتاقان‌های غلتشی (20)
  • 2-5 انواع تکنیک‌های پردازش سیگنال (22)
    • 2-5-1 تبدیل فوریه سریع (23)
      • 2-5-1-1 تبدیل فوریه گسسته (23)
      • 2-5-1-2 طیف فرکانسی تبدیل فوریه سریع (24)
    • 2-5-2 تکنیک انولوپ ارتعاشات (25)
      • 2-5-2-1 طیف انولوپ (25)
      • 2-5-2-2 انولوپ زمانی (26)
    • 2-5-3 تبدیل موجک پیوسته (27)
      • 2-5-3-1 تابع موجک (27)
      • 2-5-3-2 تابع موجک مورلت (28)
    • 2-5-4 تبدیل فوریه زمان کوتاه (29)
    • 2-5-5 تبدیل کورتوگرام (30)
  • 2-6 هوشمندسازی (31)
    • 2-6-1 مدل‌های داده‌محور (31)
    • 2-6-2 مدل‌های هوش مصنوعی (31)
    • 2-6-3 شبکه‌های عصبی پیچشی (32)
      • 2-6-3-1 لایه هم‌گشت (33)
      • 2-6-3-2 تابع فعال‌سازی (33)
      • 2-6-3-3 لایه ادغام (34)
      • 2-6-3-4 الگوریتم بهینه‌سازی (34)
    • 2-6-4 شبکه‌های عصبی پیچشی با هسته عریض (35)
    • 2-6-5 یادگیری انتقال (36)
  • 2-7 مرور ادبیات (38)
    • 2-7-1 تحقیقات شاخص انجام شده در عیب‌یابی یاتاقان‌های غلتشی با عیوب مصنوعی در شرایط کاری متغیر (38)
    • 2-7-2 تحقیقات شاخص انجام شده در زمینه پردازش سیگنال ارتعاشی در عیب‌یابی یاتاقان‌های غلتشی (39)
    • 2-7-3 تحقیقات شاخص انجام شده در عیب‌یابی یاتاقان‌های غلتشی با شبکه‌های عصبی پیچشی (39)
  • 2-8 نتیجه‌گیری (40)
• فصل3 پلتفرم تجربی (41)
  • 3-1 ستاپ (41)
  • 3-2 مکانیزم اعمال بار (43)
  • 3-3 انتخاب یاتاقان (44)
  • 3-4 سیستم اندازه‌گیری (46)
  • 3-5 سنسور اندازه‌گیری (46)
  • 3-6 شرایط کاری و سناریوی آزمایش (47)
  • 3-7 داده‌های آزمایش (48)
  • برای نشان‌دادن نتایج داده‌ها از چهار مشخصه پرکاربرد صنعتی در حوزه عیب‌یابی استفاده می‌شود. (48)
    • 3-7-1 مشخصه‌های آماری (48)
    • 3-7-2 نتایج آزمایش (50)
  • 3-8 داده‌های صنعتی (56)
• فصل4 اجرای مدل‌های پیچشی و نتایج بدست آمده (57)
  • 4-1 مقدمه (57)
  • 4-2 مجموعه‌داده (57)
  • 4-3 مفاهیم پایه (58)
  • 4-4 نتایج (59)
    • 4-4-1 سیگنال خام (طیف زمانی) (60)
      • 4-4-1-1 مدل شبکه عصبی پیچشی ساده (60)
      • 4-4-1-2 مدل شبکه عصبی پیچشی با هسته عریض (62)
      • 4-4-1-3 مدل یادگیری انتقال (64)
    • 4-4-2 سیگنال طیف فرکانسی (فوریه سریع) (66)
      • 4-4-2-1 مدل شبکه عصبی پیچشی ساده (66)
      • 4-4-2-2 مدل شبکه عصبی پیچشی با هسته عریض (68)
      • 4-4-2-3 مدل یادگیری انتقال (70)
    • 4-4-3 سیگنال پوش زمانی (72)
      • 4-4-3-1 مدل شبکه عصبی پیچشی ساده (72)
      • 4-4-3-2 مدل شبکه عصبی پیچشی با هسته عریض (74)
      • 4-4-3-3 مدل یادگیری انتقال (76)
    • 4-4-4 سیگنال پوش فرکانسی (78)
      • 4-4-4-1 مدل شبکه عصبی پیچشی ساده (78)
      • 4-4-4-2 مدل شبکه عصبی پیچشی با هسته عریض (80)
      • 4-4-4-3 مدل یادگیری انتقال (82)
    • 4-4-5 سیگنال موجک (84)
      • 4-4-5-1 مدل شبکه عصبی پیچشی ساده (84)
      • 4-4-5-2 مدل شبکه عصبی پیچشی با هسته عریض (86)
      • 4-4-5-3 مدل یادگیری انتقال (88)
    • 4-4-6 سیگنال فوریه زمان کوتاه (90)
      • 4-4-6-1 مدل شبکه عصبی پیچشی ساده (90)
      • 4-4-6-2 مدل شبکه عصبی پیچشی با هسته عریض (92)
      • 4-4-6-3 مدل یادگیری انتقال (94)
    • 4-4-7 سیگنال کورتوگرام (96)
      • 4-4-7-1 مدل شبکه عصبی پیچشی ساده (96)
      • 4-4-7-2 مدل شبکه عصبی پیچشی با هسته عریض (98)
      • 4-4-7-3 مدل یادگیری انتقال (100)
• فصل5 بررسی نتایج (102)
• فصل6 نتیجه‌گیری (104)
• عیب‌یابی یاتاقان‌ غلتشی با استفاده از سیگنال‌های حوزه‌ی زمانی به کمک شبکه‌های عصبی کانولوشنال (109)
• چكيده (109)