ELEMENTO DE FILTRILA FELILA DIZELO

Kun la tendenco de mekanika ekipaĵo al grandskala, inteligenta kaj alta precizeco, la uzo de rotaciaj partoj, kiel rullagro, estis signife plibonigita por atingi potenco-transdonon, pozicion fiksadon kaj aliajn celojn. Kiam ili estas difektitaj aŭ malsukcesas, la sekureco de funkciado de mekanikaj ekipaĵoj kaj produktada profito estos tuŝitaj. Tamen, pro la speciala instala pozicio de ĉi tiuj rotaciaj partoj, estas pli malfacile esplori kaj juĝi la sanan staton de la ekipaĵo, kaj antaŭaj metodoj fidantaj al homoj aŭ sperto ne plu povas funkcii. Tial, disvolvi inteligentan detekto kaj diagnozan metodon por efektivigi ekipaĵan sanmonitoradon fariĝis varma esplora temo.

Kun la rapida evoluo de artefarita inteligenta, pli kaj pli da maŝinlernado-metodoj faras mekanikan ekipaĵon inteligenta diagnozo realiĝas kaj prosperas, kiel plifortiga lernado (RL) [1], [2], generaj kontraŭaj retoj (GAN) [3], aŭtokodilo. (AE) [4] kaj subtena vektora maŝino (SVM) [5], [6], [47]. Inter ili, SVM estas klasifika algoritmo bazita sur statistika lernado, kiu ne facilas fali en lokajn minimumojn kaj apartigas trejnajn datumojn per optimuma hiperebeno dum trejnaj datumoj povas esti mapitaj al altdimensiaj ecoj per neliniaj mapaj metodoj, kiel polinomaj funkcioj kaj radialaj bazaj funkcioj. Krome, SVM povas disponigi precizan decidan hiperebenon sub limigitaj provaĵoj, kaj havas bonan ĝeneraligkapablon. Konsiderante ĝia bonega agado, SVM estis vaste uzata en multaj kampoj. Wang et al. proponis inteligentan faŭltan diagnozmetodon bazitan sur la kombinaĵo de ĝeneraligita kunmetaĵo multi-skala pezbalancita permuta entropio (GCMWPE) kaj SVM [7], kiuj povas eltiri portantajn ecojn de multoblaj skvamoj por konstrui altdimensian trajtokolekton. Bayati et al. proponis faŭltolokmetodon por DC-mikroreto bazita sur SVM [8]. Uzante la lokan mezuran valoron ĉe unu fino de ĉiu linio, la preciza loko de alta impedanca faŭlto povas esti lokalizita, kaj la eksperimentaj rezultoj montras ke la skemo estas fortika al bruo kaj aliaj tumultoj. Ref. [9] proponis inteligentan faŭltan diagnozmetodon por litiojona baterio bazita sur subtena vektormaŝino, kiu uzas diskretan kosinusan filtradon por elimini bruon.