DİZEL YANacaq FİLTİR Elementi

Mexanik avadanlıqların genişmiqyaslı, ağıllı və yüksək dəqiqliyə doğru tendensiyası ilə, elektrik ötürülməsi, mövqe fiksasiyası və digər məqsədlərə nail olmaq üçün fırlanan hissələrin, məsələn, diyircəkli rulmanların istifadəsi əhəmiyyətli dərəcədə təkmilləşdirilmişdir. Onlar zədələndikdə və ya uğursuz olduqda, mexaniki avadanlığın istismarının təhlükəsizliyinə və istehsal faydasına təsir edəcək. Bununla belə, bu fırlanan hissələrin xüsusi quraşdırma mövqeyinə görə, avadanlığın sağlamlıq vəziyyətini araşdırmaq və mühakimə etmək daha çətindir və insanlara və ya təcrübəyə əsaslanan əvvəlki üsullar artıq işləyə bilməz. Buna görə də, avadanlığın sağlamlığının monitorinqini həyata keçirmək üçün ağıllı aşkarlama və diaqnostika metodunun inkişafı isti tədqiqat mövzusuna çevrilmişdir.

Süni intellektin sürətli inkişafı ilə getdikcə daha çox maşın öyrənmə metodları mexaniki avadanlıqların ağıllı diaqnozunu gerçəkləşdirir və inkişaf etdirir, məsələn, gücləndirici öyrənmə (RL) [1], [2], generativ rəqib şəbəkələr (GAN) [3], avtokodlayıcı (AE) [4] və dəstək vektor maşını (SVM) [5], [6], [47]. Onların arasında SVM statistik öyrənməyə əsaslanan təsnifat alqoritmidir, yerli minimumlara düşmək asan deyil və təlim məlumatlarını çoxhədli funksiyalar və polinom funksiyaları kimi qeyri-xətti xəritəçəkmə üsulları vasitəsilə yüksək ölçülü xüsusiyyətlərə uyğunlaşdırmaq olarkən optimal hiperplan vasitəsilə təlim məlumatlarını ayırır. radial əsas funksiyaları. Bundan əlavə, SVM məhdud nümunələr altında dəqiq qərar hiperplanını təmin edə bilər və yaxşı ümumiləşdirmə qabiliyyətinə malikdir. Mükəmməl performansını nəzərə alaraq, SVM bir çox sahələrdə geniş istifadə edilmişdir. Wang et al. ümumiləşdirilmiş kompozit çoxölçülü çəkili permutasiya entropiyası (GCMWPE) və SVM [7] birləşməsinə əsaslanan, yüksək ölçülü xüsusiyyətlər kolleksiyasını qurmaq üçün çoxlu tərəzidən daşıyıcı xüsusiyyətləri çıxara bilən ağıllı nasazlıq diaqnostikası metodunu təklif etdi. Bayatı və b. SVM-ə əsaslanan DC mikroşəbəkəsi üçün nasazlığın yerləşdirilməsi metodunu təklif etmişdir [8]. Hər bir xəttin bir ucunda yerli ölçülmüş dəyərdən istifadə etməklə yüksək empedans nasazlığının dəqiq yeri müəyyən edilə bilər və eksperimental nəticələr sxemin səs-küyə və digər pozuntulara davamlı olduğunu göstərir. Ref. [9] səs-küyü aradan qaldırmaq üçün diskret kosinus filtrindən istifadə edən dəstək vektor maşınına əsaslanan litium-ion batareyası üçün ağıllı nasazlıq diaqnozu metodu təklif etdi.