אלמנט מסנן דלק דיזל

עם המגמה של ציוד מכני לכיוון רחב היקף, אינטליגנטי ודיוק גבוה, השימוש בחלקים מסתובבים, כגון מיסב גלילה, שופר משמעותית כדי להשיג העברת כוח, קיבוע מיקום ועוד מטרות אחרות. כאשר הם ניזוקים או נכשלים, תועלת בטיחות פעולת הציוד המכני ותועלת הייצור תיפגע. עם זאת, בשל מיקום ההתקנה המיוחד של חלקים מסתובבים אלו, קשה יותר לחקור ולשפוט את מצבו הבריאותי של הציוד, ושיטות קודמות הנשענות על בני אדם או ניסיון אינן יכולות לעבוד יותר. לכן, פיתוח שיטת זיהוי ואבחון חכמה ליישום ניטור בריאות הציוד הפך לנושא מחקר חם.

עם ההתפתחות המהירה של אינטליגנטי מלאכותי, יותר ויותר שיטות למידת מכונה גורמות לאבחון אינטליגנטי של ציוד מכני להתגשם ולשגשג, כגון למידת חיזוק (RL) [1], [2], רשתות יריבות גנרטיביות (GAN) [3], מקודד אוטומטי. (AE) [4] ותמיכה במכונה וקטורית (SVM) [5], [6], [47]. ביניהם, SVM הוא אלגוריתם סיווג המבוסס על למידה סטטיסטית, שלא קל ליפול למינימום מקומי ומפריד את נתוני האימון באמצעות היפר-מישור אופטימלי, בעוד שניתן למפות נתוני אימון לתכונות ממדיות גבוהות באמצעות שיטות מיפוי לא ליניאריות, כגון פונקציות פולינומיות פונקציות בסיס רדיאלי. בנוסף, SVM יכול לספק היפר-פלס החלטה מדויק תחת דגימות מוגבלות, ויש לו יכולת הכללה טובה. לאור ביצועיו המצוינים, נעשה שימוש נרחב ב-SVM בתחומים רבים. וואנג וחב'. הציע שיטת אבחון תקלות אינטליגנטית המבוססת על שילוב של אנטרופיה מרוכבת רב-קנה מידה משוקללת (GCMWPE) ו-SVM [7], שיכולה לחלץ תכונות נושאות ממספר סולמות כדי לבנות אוסף תכונות גבוה ממדי. Bayati et al. הציע שיטת מיקום תקלות עבור DC microgrid המבוססת על SVM [8]. על ידי שימוש בערך הנמדד המקומי בקצה אחד של כל קו, ניתן לאתר את המיקום המדויק של תקלת עכבה גבוהה, ותוצאות הניסוי מראות שהתכנית עמידה בפני רעש והפרעות אחרות. רפ. [9] הציע שיטת אבחון תקלות חכמה עבור סוללת ליתיום-יון המבוססת על מכונת תמיכה וקטורית, המשתמשת בסינון קוסינוס בדיד כדי לחסל רעש.