DIZEL YONIG'ILIGI FILTRI ELEMENTI

Mexanik uskunalarning keng ko'lamli, aqlli va yuqori aniqlikka yo'naltirilgan tendentsiyasi bilan elektr uzatish, pozitsiyani aniqlash va boshqa maqsadlarga erishish uchun rulmanli rulman kabi aylanadigan qismlardan foydalanish sezilarli darajada yaxshilandi. Ular shikastlangan yoki ishlamay qolganda, mexanik uskunaning ishlashi xavfsizligi va ishlab chiqarish foydasiga ta'sir qiladi. Biroq, bu aylanadigan qismlarning maxsus o'rnatish pozitsiyasi tufayli uskunaning sog'lig'i holatini tadqiq qilish va baholash qiyinroq va odamlarga yoki tajribaga tayanadigan oldingi usullar endi ishlamaydi. Shu sababli, uskunaning sog'lig'ini monitoringini amalga oshirish uchun aqlli aniqlash va tashxis usulini ishlab chiqish issiq tadqiqot mavzusiga aylandi.

Sun'iy intellektning jadal rivojlanishi bilan mashinani o'rganish usullari tobora ko'proq mexanik uskunalarni aqlli tashxisni amalga oshiradi va rivojlantiradi, masalan, kuchaytirishni o'rganish (RL) [1], [2], generativ raqib tarmoqlari (GAN) [3], avtokoder (AE) [4] va vektor mashinasini (SVM) qo'llab-quvvatlaydi [5], [6], [47]. Ular orasida SVM statistik o'rganishga asoslangan tasniflash algoritmi bo'lib, uni mahalliy minimal darajaga tushirish oson emas va o'quv ma'lumotlarini optimal giperplan orqali ajratadi, shu bilan birga o'quv ma'lumotlarini chiziqli bo'lmagan xaritalash usullari orqali yuqori o'lchamli xususiyatlarga ko'rsatish mumkin, masalan, polinom funktsiyalari va radial asos funktsiyalari. Bundan tashqari, SVM cheklangan namunalar ostida to'g'ri qaror giperplanini ta'minlay oladi va yaxshi umumlashtirish qobiliyatiga ega. Ajoyib ishlashini hisobga olgan holda, SVM ko'plab sohalarda keng qo'llaniladi. Vang va boshqalar. Umumlashtirilgan kompozitsion koʻp masshtabli ogʻirlikdagi permutatsion entropiya (GCMWPE) va SVM [7] kombinatsiyasiga asoslangan aqlli nosozliklarni tashxislash usulini taklif qildi, bu esa yuqori oʻlchamli xususiyatlar toʻplamini yaratish uchun bir nechta shkalalardan rulman xususiyatlarini ajratib olishi mumkin. Bayati va boshqalar. SVM ga asoslangan DC mikrogrid uchun nosozliklarni aniqlash usulini taklif qildi [8]. Har bir chiziqning bir uchida mahalliy o'lchangan qiymatdan foydalangan holda, yuqori empedans xatosining aniq joylashishini aniqlash mumkin va eksperimental natijalar sxemaning shovqin va boshqa buzilishlarga chidamliligini ko'rsatadi. Ref. [9] qo'llab-quvvatlovchi vektor mashinasiga asoslangan lityum-ion batareyasi uchun nosozliklarni aniqlashning aqlli usulini taklif qildi, u shovqinni bartaraf etish uchun diskret kosinus filtridan foydalanadi.