| مروری بر کاربرد هوش مصنوعی در تشخیص عیوب ریل ها و بازرسی جوش |
| کد مقاله : 1010-ITME |
| نویسندگان |
|
محمد براهنی، علی علیزاده * دانشگاه صنعتی اراک |
| چکیده مقاله |
| حمل‌ونقل ریلی به عنوان یکی از زیرساخت‌های کلیدی در جابه‌جایی مسافر و بار، اهمیت زیادی در ایمنی و کاهش حوادث دارد. عیوب موجود در ریل‌ها، از جمله ترک‌های خستگی و خوردگی، می‌توانند به مشکلات ساختاری منجر شوند. روش‌های سنتی بازرسی، مانند بررسی‌های چشمی، به دلیل زمان‌بر بودن و دقت پایین، دیگر پاسخگوی نیازهای روز نیستند. به همین دلیل، استفاده از روش‌های غیرمخرب همراه با هوش مصنوعی و یادگیری عمیق به عنوان یک راهکار نوین برای شناسایی خودکار نقص‌های ریل پیشنهاد شده است. این مقاله به بررسی روش‌های غیرمخرب، از جمله تست فراصوتی و نشت میدان مغناطیسی، و همچنین الگوریتم‌های یادگیری عمیق می‌پردازد. اهمیت بازرسی جوش التراسونیک در نقاط حساس ریل‌ها نیز مورد بررسی قرار می‌گیرد. نتایج تحقیقات نشان می‌دهند که ترکیب تکنیک‌های غیرمخرب با یادگیری عمیق می‌تواند دقت و سرعت تشخیص عیوب را افزایش دهد و هزینه‌های نگهداری را کاهش دهد. با این حال، چالش‌هایی مانند کمبود داده‌های برچسب‌خورده و تعمیم‌پذیری مدل‌ها همچنان وجود دارد که نیاز به توجه دارند |
| کلیدواژه ها |
| تست اولتراسونیک، هوش مصنوعی ، یادگیری عمیق |
| وضعیت: پذیرفته شده |