VLOŽKA PALIVOVÉHO FILTRA NAfty

S trendom mechanických zariadení smerom k rozsiahlym, inteligentným a vysoko presným sa výrazne zlepšilo používanie rotačných častí, ako sú valivé ložiská, aby sa dosiahol prenos sily, fixácia polohy a iné účely. Keď sa poškodia alebo zlyhajú, bude to mať vplyv na bezpečnosť prevádzky mechanického zariadenia a prínos výroby. Kvôli špeciálnej montážnej polohe týchto rotujúcich častí je však ťažšie skúmať a posudzovať zdravotný stav zariadenia a doterajšie metódy spoliehajúce sa na ľudí alebo skúsenosti už nemôžu fungovať. Preto sa vývoj inteligentnej metódy detekcie a diagnostiky na implementáciu monitorovania zdravia zariadení stal horúcou témou výskumu.

S rýchlym rozvojom umelej inteligentnej techniky sa čoraz viac metód strojového učenia stáva skutočnosťou a prosperitou inteligentnej diagnostiky mechanických zariadení, ako je učenie zosilnenia (RL) [1], [2], generatívne siete protivníkov (GAN) [3], autokóder (AE) [4] a podporný vektorový stroj (SVM) [5], [6], [47]. Medzi nimi je SVM klasifikačný algoritmus založený na štatistickom učení, ktorý nie je ľahké zapadnúť do lokálnych miním a oddeľuje tréningové údaje cez optimálnu nadrovinu, zatiaľ čo tréningové údaje možno mapovať na vysokorozmerné prvky pomocou nelineárnych metód mapovania, ako sú polynomiálne funkcie a radiálne bázové funkcie. Okrem toho môže SVM poskytnúť presnú rozhodovaciu nadrovinu pri obmedzených vzorkách a má dobrú schopnosť zovšeobecnenia. Vzhľadom na svoj vynikajúci výkon sa SVM široko používa v mnohých oblastiach. Wang a kol. navrhol inteligentnú metódu diagnostiky porúch založenú na kombinácii zovšeobecnenej kompozitnej multi-škálovej váženej permutačnej entropie (GCMWPE) a SVM [7], ktorá dokáže extrahovať nosné prvky z viacerých mierok a vytvoriť tak vysokorozmernú kolekciu prvkov. Bayati a kol. navrhol metódu lokalizácie poruchy pre DC microgrid založenú na SVM [8]. Použitím lokálnej nameranej hodnoty na jednom konci každého vedenia je možné lokalizovať presné miesto vysokoimpedančnej chyby a experimentálne výsledky ukazujú, že schéma je odolná voči hluku a iným poruchám. Ref. [9] navrhli inteligentnú metódu diagnostiky porúch pre lítium-iónovú batériu založenú na podpornom vektorovom stroji, ktorý využíva diskrétne kosínusové filtrovanie na elimináciu šumu.