ডিজেল ফুয়েল ফিল্টার উপাদান

বড় আকারের, বুদ্ধিমান এবং উচ্চ-নির্ভুলতার দিকে যান্ত্রিক সরঞ্জামগুলির প্রবণতার সাথে, রোলার বিয়ারিংয়ের মতো ঘূর্ণায়মান অংশগুলির ব্যবহার, পাওয়ার ট্রান্সমিশন, অবস্থান নির্ধারণ এবং অন্যান্য উদ্দেশ্যগুলি অর্জনের জন্য উল্লেখযোগ্যভাবে উন্নত হয়েছে। যখন তারা ক্ষতিগ্রস্ত হয় বা ব্যর্থ হয়, যান্ত্রিক সরঞ্জাম অপারেশন নিরাপত্তা এবং উত্পাদন সুবিধা প্রভাবিত হবে। যাইহোক, এই ঘূর্ণায়মান অংশগুলির বিশেষ ইনস্টলেশন অবস্থানের কারণে, সরঞ্জামগুলির স্বাস্থ্যের অবস্থা গবেষণা এবং বিচার করা আরও কঠিন, এবং পূর্ববর্তী পদ্ধতিগুলি মানুষ বা অভিজ্ঞতার উপর নির্ভর করে আর কাজ করতে পারে না। অতএব, সরঞ্জাম স্বাস্থ্য পর্যবেক্ষণ বাস্তবায়নের জন্য বুদ্ধিমান সনাক্তকরণ এবং নির্ণয়ের পদ্ধতির বিকাশ একটি গরম গবেষণার বিষয় হয়ে উঠেছে।

কৃত্রিম বুদ্ধিমত্তার দ্রুত বিকাশের সাথে, আরও বেশি সংখ্যক মেশিন লার্নিং পদ্ধতি যান্ত্রিক যন্ত্রপাতি বুদ্ধিমান রোগ নির্ণয়কে সত্য এবং সমৃদ্ধ করে তোলে, যেমন রিইনফোর্সমেন্ট লার্নিং (RL) [1], [2], জেনারেটিভ অ্যাডভারসারিয়াল নেটওয়ার্ক (GAN) [3], autoencoder (AE) [4] এবং সমর্থন ভেক্টর মেশিন (SVM) [5], [6], [47]। তাদের মধ্যে, SVM হল পরিসংখ্যানগত শিক্ষার উপর ভিত্তি করে একটি শ্রেণিবিন্যাস অ্যালগরিদম, যা স্থানীয় মিনিমাতে পড়া সহজ নয় এবং সর্বোত্তম হাইপারপ্লেনের মাধ্যমে প্রশিক্ষণের ডেটা আলাদা করে যখন প্রশিক্ষণের ডেটা অরৈখিক ম্যাপিং পদ্ধতির মাধ্যমে উচ্চ-মাত্রিক বৈশিষ্ট্যগুলিতে ম্যাপ করা যায়, যেমন বহুপদী ফাংশন এবং রেডিয়াল ভিত্তি ফাংশন। উপরন্তু, SVM সীমিত নমুনার অধীনে সঠিক সিদ্ধান্ত হাইপারপ্লেন প্রদান করতে পারে, এবং ভাল সাধারণীকরণ ক্ষমতা আছে। এর চমৎকার কর্মক্ষমতার পরিপ্রেক্ষিতে, SVM অনেক ক্ষেত্রে ব্যাপকভাবে ব্যবহৃত হয়েছে। ওয়াং এট আল। জেনারালাইজড কম্পোজিট মাল্টি-স্কেল ওয়েটেড পারমুটেশন এনট্রপি (GCMWPE) এবং SVM [7] এর সংমিশ্রণের উপর ভিত্তি করে একটি বুদ্ধিমান ত্রুটি নির্ণয়ের পদ্ধতি প্রস্তাব করেছে, যা উচ্চ-মাত্রিক বৈশিষ্ট্য সংগ্রহের জন্য একাধিক স্কেল থেকে ভারবহন বৈশিষ্ট্যগুলি বের করতে পারে। বয়াতি প্রমুখ। এসভিএম [8] এর উপর ভিত্তি করে ডিসি মাইক্রোগ্রিডের জন্য একটি ত্রুটি অবস্থান পদ্ধতির প্রস্তাব করেছে। প্রতিটি লাইনের এক প্রান্তে স্থানীয় পরিমাপিত মান ব্যবহার করে, উচ্চ প্রতিবন্ধকতা ফল্টের সঠিক অবস্থানটি সনাক্ত করা যেতে পারে এবং পরীক্ষামূলক ফলাফলগুলি দেখায় যে স্কিমটি শব্দ এবং অন্যান্য ঝামেলার জন্য শক্তিশালী। রেফ. [৯] সমর্থন ভেক্টর মেশিনের উপর ভিত্তি করে লিথিয়াম-আয়ন ব্যাটারির জন্য একটি বুদ্ধিমান ত্রুটি নির্ণয়ের পদ্ধতি প্রস্তাব করা হয়েছে, যা গোলমাল দূর করতে বিচ্ছিন্ন কোসাইন ফিল্টারিং ব্যবহার করে।