ಡೀಸೆಲ್ ಇಂಧನ ಫಿಲ್ಟರ್ ಅಂಶ

ಬೃಹತ್-ಪ್ರಮಾಣದ, ಬುದ್ಧಿವಂತ ಮತ್ತು ಹೆಚ್ಚಿನ-ನಿಖರತೆಯ ಕಡೆಗೆ ಯಾಂತ್ರಿಕ ಉಪಕರಣಗಳ ಪ್ರವೃತ್ತಿಯೊಂದಿಗೆ, ರೋಲರ್ ಬೇರಿಂಗ್‌ನಂತಹ ತಿರುಗುವ ಭಾಗಗಳ ಬಳಕೆಯನ್ನು ವಿದ್ಯುತ್ ಪ್ರಸರಣ, ಸ್ಥಾನ ಸ್ಥಿರೀಕರಣ ಮತ್ತು ಇತರ ಉದ್ದೇಶಗಳನ್ನು ಸಾಧಿಸಲು ಗಮನಾರ್ಹವಾಗಿ ಸುಧಾರಿಸಲಾಗಿದೆ. ಅವು ಹಾನಿಗೊಳಗಾದಾಗ ಅಥವಾ ವಿಫಲವಾದಾಗ, ಯಾಂತ್ರಿಕ ಉಪಕರಣಗಳ ಕಾರ್ಯಾಚರಣೆಯ ಸುರಕ್ಷತೆ ಮತ್ತು ಉತ್ಪಾದನಾ ಪ್ರಯೋಜನವು ಪರಿಣಾಮ ಬೀರುತ್ತದೆ. ಆದಾಗ್ಯೂ, ಈ ತಿರುಗುವ ಭಾಗಗಳ ವಿಶೇಷ ಅನುಸ್ಥಾಪನಾ ಸ್ಥಾನದಿಂದಾಗಿ, ಉಪಕರಣಗಳ ಆರೋಗ್ಯ ಸ್ಥಿತಿಯನ್ನು ಸಂಶೋಧಿಸಲು ಮತ್ತು ನಿರ್ಣಯಿಸಲು ಹೆಚ್ಚು ಕಷ್ಟಕರವಾಗಿದೆ ಮತ್ತು ಮಾನವರು ಅಥವಾ ಅನುಭವವನ್ನು ಅವಲಂಬಿಸಿರುವ ಹಿಂದಿನ ವಿಧಾನಗಳು ಇನ್ನು ಮುಂದೆ ಕಾರ್ಯನಿರ್ವಹಿಸುವುದಿಲ್ಲ. ಆದ್ದರಿಂದ, ಉಪಕರಣಗಳ ಆರೋಗ್ಯ ಮೇಲ್ವಿಚಾರಣೆಯನ್ನು ಕಾರ್ಯಗತಗೊಳಿಸಲು ಬುದ್ಧಿವಂತ ಪತ್ತೆ ಮತ್ತು ರೋಗನಿರ್ಣಯ ವಿಧಾನವನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸುವುದು ಬಿಸಿ ಸಂಶೋಧನಾ ವಿಷಯವಾಗಿದೆ.

ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ಕ್ಷಿಪ್ರ ಬೆಳವಣಿಗೆಯೊಂದಿಗೆ, ಹೆಚ್ಚು ಹೆಚ್ಚು ಯಂತ್ರ ಕಲಿಕೆಯ ವಿಧಾನಗಳು ಯಾಂತ್ರಿಕ ಉಪಕರಣಗಳ ಬುದ್ಧಿವಂತ ರೋಗನಿರ್ಣಯವನ್ನು ನಿಜವಾಗಿಸುತ್ತದೆ ಮತ್ತು ಬಲವರ್ಧನೆ ಕಲಿಕೆ (RL) [1], [2], ಉತ್ಪಾದಕ ವಿರೋಧಿ ಜಾಲಗಳು (GAN) [3], ಸ್ವಯಂ-ಎನ್‌ಕೋಡರ್ (AE) [4] ಮತ್ತು ಬೆಂಬಲ ವೆಕ್ಟರ್ ಯಂತ್ರ (SVM) [5], [6], [47]. ಅವುಗಳಲ್ಲಿ, SVM ಎಂಬುದು ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯ ಕಲಿಕೆಯ ಆಧಾರದ ಮೇಲೆ ವರ್ಗೀಕರಣ ಅಲ್ಗಾರಿದಮ್ ಆಗಿದೆ, ಇದು ಸ್ಥಳೀಯ ಕನಿಷ್ಠಕ್ಕೆ ಬೀಳಲು ಸುಲಭವಲ್ಲ ಮತ್ತು ತರಬೇತಿ ಡೇಟಾವನ್ನು ಅತ್ಯುತ್ತಮವಾದ ಹೈಪರ್‌ಪ್ಲೇನ್ ಮೂಲಕ ಪ್ರತ್ಯೇಕಿಸುತ್ತದೆ ಆದರೆ ತರಬೇತಿ ಡೇಟಾವನ್ನು ರೇಖಾತ್ಮಕವಲ್ಲದ ಮ್ಯಾಪಿಂಗ್ ವಿಧಾನಗಳ ಮೂಲಕ ಹೆಚ್ಚಿನ ಆಯಾಮದ ವೈಶಿಷ್ಟ್ಯಗಳಿಗೆ ಮ್ಯಾಪ್ ಮಾಡಬಹುದು, ಉದಾಹರಣೆಗೆ ಬಹುಪದೀಯ ಕಾರ್ಯಗಳು ಮತ್ತು ರೇಡಿಯಲ್ ಆಧಾರದ ಕಾರ್ಯಗಳು. ಹೆಚ್ಚುವರಿಯಾಗಿ, SVM ಸೀಮಿತ ಮಾದರಿಗಳ ಅಡಿಯಲ್ಲಿ ನಿಖರವಾದ ನಿರ್ಧಾರದ ಹೈಪರ್‌ಪ್ಲೇನ್ ಅನ್ನು ಒದಗಿಸುತ್ತದೆ ಮತ್ತು ಉತ್ತಮ ಸಾಮಾನ್ಯೀಕರಣ ಸಾಮರ್ಥ್ಯವನ್ನು ಹೊಂದಿದೆ. ಅದರ ಅತ್ಯುತ್ತಮ ಕಾರ್ಯಕ್ಷಮತೆಯ ದೃಷ್ಟಿಯಿಂದ, SVM ಅನ್ನು ಅನೇಕ ಕ್ಷೇತ್ರಗಳಲ್ಲಿ ವ್ಯಾಪಕವಾಗಿ ಬಳಸಲಾಗುತ್ತದೆ. ವಾಂಗ್ ಮತ್ತು ಇತರರು. ಸಾಮಾನ್ಯೀಕರಿಸಿದ ಸಂಯೋಜಿತ ಬಹು-ಪ್ರಮಾಣದ ತೂಕದ ಕ್ರಮಪಲ್ಲಟನೆ ಎಂಟ್ರೊಪಿ (GCMWPE) ಮತ್ತು SVM [7] ಸಂಯೋಜನೆಯ ಆಧಾರದ ಮೇಲೆ ಬುದ್ಧಿವಂತ ದೋಷ ರೋಗನಿರ್ಣಯ ವಿಧಾನವನ್ನು ಪ್ರಸ್ತಾಪಿಸಿದರು, ಇದು ಹೆಚ್ಚಿನ ಆಯಾಮದ ವೈಶಿಷ್ಟ್ಯ ಸಂಗ್ರಹವನ್ನು ನಿರ್ಮಿಸಲು ಬಹು ಮಾಪಕಗಳಿಂದ ಬೇರಿಂಗ್ ವೈಶಿಷ್ಟ್ಯಗಳನ್ನು ಹೊರತೆಗೆಯಬಹುದು. ಬಯಾಟಿ ಮತ್ತು ಇತರರು. SVM [8] ಆಧಾರಿತ DC ಮೈಕ್ರೋಗ್ರಿಡ್‌ಗಾಗಿ ದೋಷದ ಸ್ಥಳ ವಿಧಾನವನ್ನು ಪ್ರಸ್ತಾಪಿಸಿದರು. ಪ್ರತಿ ಸಾಲಿನ ಒಂದು ತುದಿಯಲ್ಲಿ ಸ್ಥಳೀಯ ಅಳತೆ ಮೌಲ್ಯವನ್ನು ಬಳಸುವ ಮೂಲಕ, ಹೆಚ್ಚಿನ ಪ್ರತಿರೋಧದ ದೋಷದ ನಿಖರವಾದ ಸ್ಥಳವನ್ನು ಕಂಡುಹಿಡಿಯಬಹುದು ಮತ್ತು ಪ್ರಾಯೋಗಿಕ ಫಲಿತಾಂಶಗಳು ಈ ಯೋಜನೆಯು ಶಬ್ದ ಮತ್ತು ಇತರ ಅಡಚಣೆಗಳಿಗೆ ದೃಢವಾಗಿದೆ ಎಂದು ತೋರಿಸುತ್ತದೆ. Ref. [9] ಬೆಂಬಲ ವೆಕ್ಟರ್ ಯಂತ್ರದ ಆಧಾರದ ಮೇಲೆ ಲಿಥಿಯಂ-ಐಯಾನ್ ಬ್ಯಾಟರಿಗಾಗಿ ಬುದ್ಧಿವಂತ ದೋಷ ರೋಗನಿರ್ಣಯ ವಿಧಾನವನ್ನು ಪ್ರಸ್ತಾಪಿಸಿದರು, ಇದು ಶಬ್ದವನ್ನು ತೊಡೆದುಹಾಕಲು ಡಿಸ್ಕ್ರೀಟ್ ಕೊಸೈನ್ ಫಿಲ್ಟರಿಂಗ್ ಅನ್ನು ಬಳಸುತ್ತದೆ.