ЕЛЕМЕНТ ФИЛТЕРА ДИЗЕЛ ГОРИВА

Са трендом механичке опреме ка великој, интелигентној и високој прецизности, употреба ротирајућих делова, као што су ваљкасти лежајеви, значајно је побољшана да би се постигао пренос снаге, фиксација положаја и друге сврхе. Када се оштете или покваре, то ће утицати на безбедност рада механичке опреме и производну корист. Међутим, због посебног положаја уградње ових ротирајућих делова, теже је истражити и проценити здравствено стање опреме, а претходне методе које су се ослањале на људе или искуство више не могу да функционишу. Стога је развој интелигентне методе детекције и дијагнозе за имплементацију праћења здравља опреме постао врућа тема истраживања.

Са брзим развојем вештачке интелигенције, све више и више метода машинског учења чине да се интелигентна дијагноза механичке опреме оствари и напредује, као што је учење са појачањем (РЛ) [1], [2], генеративне адверсариалне мреже (ГАН) [3], аутоенкодер (АЕ) [4] и машина вектора подршке (СВМ) [5], [6], [47]. Међу њима, СВМ је класификациони алгоритам заснован на статистичком учењу, који није лако пасти у локалне минимуме и одваја податке о обуци кроз оптималну хиперравнину, док се подаци о обуци могу мапирати у високодимензионалне карактеристике помоћу метода нелинеарног мапирања, као што су полиномске функције и радијалне базне функције. Поред тога, СВМ може да обезбеди прецизну хиперравнину за одлучивање под ограниченим узорцима и има добру способност генерализације. С обзиром на своје одличне перформансе, СВМ се широко користи у многим областима. Ванг и др. предложио је интелигентну методу дијагнозе квара засновану на комбинацији генерализоване композитне мулти-скале пондерисане ентропије пермутације (ГЦМВПЕ) и СВМ [7], која може да издвоји карактеристике лежаја из више скала да би се конструисала колекција карактеристика високе димензије. Баиати ет ал. предложио метод лоцирања квара за ДЦ микромрежу заснован на СВМ [8]. Коришћењем локалне измерене вредности на једном крају сваке линије, може се лоцирати тачна локација квара високе импедансе, а експериментални резултати показују да је шема отпорна на шум и друге сметње. Реф. [9] је предложио интелигентну методу дијагнозе квара за литијум-јонску батерију засновану на машини за вектор подршке, која користи дискретно косинусно филтрирање да елиминише шум.