ELEMENT FILTRA DIZEL GORIVA

S trendom mehaničke opreme prema velikim, inteligentnim i visoko preciznim, upotreba rotirajućih dijelova, kao što je valjkasti ležaj, značajno je poboljšana za postizanje prijenosa snage, fiksacije položaja i druge svrhe. Kada se oštete ili pokvare, to će utjecati na sigurnost rada mehaničke opreme i proizvodnu korist. Međutim, zbog posebnog položaja ugradnje ovih rotirajućih dijelova, teže je istražiti i procijeniti zdravstveno stanje opreme, a prethodne metode koje se oslanjaju na ljude ili iskustvo više ne mogu funkcionirati. Stoga je razvoj inteligentne metode otkrivanja i dijagnoze za provedbu nadzora ispravnosti opreme postala vruća tema istraživanja.

S brzim razvojem umjetne inteligencije, sve više i više metoda strojnog učenja čini da se inteligentna dijagnoza mehaničke opreme ostvari i napreduje, kao što je učenje s pojačanjem (RL) [1], [2], generativne kontradiktorne mreže (GAN) [3], autokoder (AE) [4] i potporni vektorski stroj (SVM) [5], [6], [47]. Među njima, SVM je algoritam klasifikacije temeljen na statističkom učenju, koji nije lako upasti u lokalne minimume i odvaja podatke o obuci kroz optimalnu hiperravninu, dok se podaci o obuci mogu preslikati u visokodimenzionalne značajke putem nelinearnih metoda preslikavanja, kao što su polinomske funkcije i radijalne bazične funkcije. Osim toga, SVM može pružiti točnu hiperravninu odlučivanja pod ograničenim uzorcima i ima dobru sposobnost generalizacije. S obzirom na svoje izvrsne performanse, SVM je naširoko korišten u mnogim područjima. Wang i sur. predložio je inteligentnu metodu dijagnoze greške koja se temelji na kombinaciji generalizirane kompozitne ponderirane permutacijske entropije s više skala (GCMWPE) i SVM [7], koja može izdvojiti značajke ležaja iz više skala za konstruiranje zbirke značajki visokih dimenzija. Bayati i sur. predložio je metodu lociranja kvara za istosmjernu mikromrežu temeljenu na SVM [8]. Korištenjem lokalne izmjerene vrijednosti na jednom kraju svake linije, može se locirati točna lokacija kvara visoke impedancije, a eksperimentalni rezultati pokazuju da je shema otporna na buku i druge smetnje. Ref. [9] predložio je inteligentnu metodu dijagnoze greške za litij-ionsku bateriju koja se temelji na stroju potpornog vektora, koji koristi diskretno kosinusno filtriranje za uklanjanje šuma.