ڊيزل ٻارڻ فلٽر عنصر

مشيني سامان جي رجحان سان وڏي پيماني تي، ذھني ۽ اعلي صحت واري، گھمڻ واري حصن جي استعمال، جهڙوڪ رولر بيئرنگ، پاور ٽرانسميشن، پوزيشن فيڪسيشن ۽ ٻين مقصدن کي حاصل ڪرڻ لاء خاص طور تي بھتر ڪيو ويو آھي. جڏهن اهي خراب ٿي ويا آهن يا ناڪام آهن، ميڪيڪل سامان آپريشن جي حفاظت ۽ پيداوار جي فائدي تي اثر انداز ٿيندي. جڏهن ته، انهن گھمندڙ حصن جي خاص تنصيب جي پوزيشن جي ڪري، اهو وڌيڪ ڏکيو آهي تحقيق ڪرڻ ۽ سامان جي صحت جي صورتحال جو فيصلو ڪرڻ، ۽ اڳوڻو طريقا جيڪي انسانن يا تجربن تي ڀروسو ڪن ٿا، اهي هاڻي ڪم نٿا ڪري سگهن. تنهن ڪري، اوزار جي صحت جي نگراني کي لاڳو ڪرڻ لاء ذهين تشخيص ۽ تشخيص جو طريقو هڪ گرم تحقيقي موضوع بڻجي چڪو آهي.

مصنوعي ذهانت جي تيزيءَ سان ترقي ڪرڻ سان، مشيني سکيا جا وڌيڪ ۽ وڌيڪ طريقا مشيني سامان جي ذهانت واري تشخيص کي درست ۽ خوشحال بڻائيندا آهن، جهڙوڪ ريئنفورسمينٽ لرننگ (RL) [1]، [2]، جنريٽو ايڊورسريل نيٽ ورڪ (GAN) [3]، آٽو اينڪوڊر (AE) [4] ۽ سپورٽ ویکٹر مشين (SVM) [5]، [6]، [47]. انهن مان، SVM شمارياتي سکيا جي بنياد تي هڪ درجه بندي الگورٿم آهي، جيڪو مقامي مينيما ۾ گرڻ آسان ناهي ۽ بهترين هائپرپلين ذريعي ٽريننگ ڊيٽا کي الڳ ڪري ٿو جڏهن ته ٽريننگ ڊيٽا کي نان لائنر ميپنگ طريقن، جهڙوڪ پولينوميل فنڪشن ۽ ذريعي اعلي جہتي خاصيتن تي ميپ ڪري سگهجي ٿو. ريڊيل بنيادن جا ڪم. ان کان علاوه، SVM مهيا ڪري سگھن ٿا صحيح فيصلو هائپرپلين محدود نموني تحت، ۽ سٺي عام ڪرڻ جي صلاحيت رکي ٿي. ان جي شاندار ڪارڪردگي جي نظر ۾، SVM وڏي پيماني تي ڪيترن ئي شعبن ۾ استعمال ڪيو ويو آهي. وانگ وغيره. تجويز ڪيل هڪ ذهين غلطي جي تشخيص جو طريقو جنرل ٿيل جامع ملٽي-اسڪيل ويٽڊ پرميوٽيشن اينٽراپي (GCMWPE) ۽ SVM جي ميلاپ جي بنياد تي [7]، جيڪو ڪيترن ئي اسڪيلن مان بيئرنگ فيچرز ڪڍي سگھي ٿو ته جيئن اعليٰ جہتي فيچر گڏ ڪرڻ لاءِ. Bayati et al. SVM جي بنياد تي ڊي سي مائڪرو گرڊ لاءِ غلط جڳھ جو طريقو تجويز ڪيو [8]. ھر لڪير جي ھڪڙي آخر ۾ مقامي ماپيل قدر استعمال ڪندي، اعلي رڪاوٽ جي درست جڳھ کي ڳولي سگھجي ٿو، ۽ تجرباتي نتيجا ڏيکاري ٿو ته اسڪيم شور ۽ ٻين خرابين لاء مضبوط آھي. حوالو. [9] تجويز ڪيل هڪ ذهين غلطي جي تشخيص جو طريقو ليٿيم آئن بيٽري لاءِ سپورٽ ويڪٽر مشين جي بنياد تي، جيڪو شور کي ختم ڪرڻ لاءِ ڌار ڪوسائن فلٽرنگ استعمال ڪري ٿو.