DİZEL YAKIT FİLTRE ELEMANI

Mekanik ekipmanların büyük ölçekli, akıllı ve yüksek hassasiyete doğru yönelmesiyle birlikte, güç aktarımı, konum sabitleme ve diğer amaçlara ulaşmak için makaralı rulman gibi dönen parçaların kullanımı önemli ölçüde geliştirildi. Hasar gördüklerinde veya arızalandıklarında mekanik ekipmanın çalışma güvenliği ve üretim faydası etkilenecektir. Ancak bu dönen parçaların özel kurulum konumu nedeniyle, ekipmanın sağlık durumunu araştırmak ve yargılamak daha zordur ve insanlara veya deneyime dayanan önceki yöntemler artık işe yaramamaktadır. Bu nedenle, ekipman sağlığı izlemeyi uygulamak için akıllı tespit ve teşhis yönteminin geliştirilmesi, sıcak bir araştırma konusu haline geldi.

Yapay zekanın hızla gelişmesiyle birlikte, takviyeli öğrenme (RL) [1], [2], üretken çekişmeli ağlar (GAN) [3], otomatik kodlayıcı gibi giderek daha fazla makine öğrenme yöntemi, mekanik ekipman akıllı teşhisinin gerçekleşmesini ve gelişmesini sağlıyor. (AE) [4] ve destek vektör makinesi (SVM) [5], [6], [47]. Bunların arasında DVM, yerel minimumlara düşmesi kolay olmayan ve eğitim verilerini optimal hiperdüzlem yoluyla ayıran istatistiksel öğrenmeye dayalı bir sınıflandırma algoritması olup, eğitim verileri polinom fonksiyonları ve gibi doğrusal olmayan haritalama yöntemleri aracılığıyla yüksek boyutlu özelliklere haritalanabilmektedir. Radyal tabanlı fonksiyonlar. Ek olarak, DVM sınırlı örnekler altında doğru karar hiperdüzlemi sağlayabilir ve iyi bir genelleme yeteneğine sahiptir. Mükemmel performansı göz önüne alındığında, SVM birçok alanda yaygın olarak kullanılmaktadır. Wang ve diğerleri. yüksek boyutlu özellik koleksiyonu oluşturmak için birden fazla ölçekten rulman özelliklerini çıkarabilen genelleştirilmiş bileşik çok ölçekli ağırlıklı permütasyon entropisi (GCMWPE) ve SVM'nin [7] kombinasyonuna dayanan akıllı bir arıza teşhis yöntemi önerdi. Bayati ve ark. DC mikro şebekesi için SVM'ye dayanan bir arıza tespit yöntemi önermiştir [8]. Her hattın bir ucunda yerel ölçülen değer kullanılarak, yüksek empedanslı arızanın doğru konumu belirlenebilir ve deneysel sonuçlar, planın gürültüye ve diğer bozulmalara karşı dayanıklı olduğunu gösterir. Ref. [9], gürültüyü ortadan kaldırmak için ayrık kosinüs filtreleme kullanan, destek vektör makinesine dayanan lityum iyon pil için akıllı bir arıza teşhis yöntemi önerdi.