عنصر فلتر وقود الديزل

مع اتجاه المعدات الميكانيكية نحو نطاق واسع وذكي وعالي الدقة ، فقد تم تحسين استخدام الأجزاء الدوارة ، مثل محمل الأسطوانة ، بشكل كبير لتحقيق نقل الطاقة وتثبيت الموقع وأغراض أخرى.عند تلفها أو تعطلها ، ستتأثر سلامة تشغيل المعدات الميكانيكية ومزايا الإنتاج.ومع ذلك ، نظرًا لموقع التثبيت الخاص لهذه الأجزاء الدوارة ، فمن الصعب البحث عن الحالة الصحية للمعدات والحكم عليها ، ولم تعد الأساليب السابقة التي تعتمد على البشر أو الخبرة تعمل.لذلك ، أصبح تطوير طريقة الكشف والتشخيص الذكية لتنفيذ مراقبة صحة المعدات موضوع بحث ساخن.

مع التطور السريع للذكاء الاصطناعي ، فإن المزيد والمزيد من أساليب التعلم الآلي تجعل التشخيص الذكي للمعدات الميكانيكية يتحقق ويزدهر ، مثل التعلم المعزز (RL) [1] ، [2] ، وشبكات الخصومة التوليدية (GAN) [3] ، والتشفير التلقائي (AE) [4] وآلة ناقلات الدعم (SVM) [5] ، [6] ، [47].من بينها ، SVM هي خوارزمية تصنيف تعتمد على التعلم الإحصائي ، وليس من السهل الوقوع في الحدود الدنيا المحلية وتفصل بيانات التدريب من خلال المستوى الفائق الأمثل بينما يمكن تعيين بيانات التدريب إلى ميزات عالية الأبعاد من خلال طرق رسم الخرائط غير الخطية ، مثل وظائف متعددة الحدود و وظائف الأساس الشعاعي.بالإضافة إلى ذلك ، يمكن أن يوفر SVM مستوى قرار دقيقًا تحت عينات محدودة ، ولديه قدرة تعميم جيدة.نظرًا لأدائها الممتاز ، فقد تم استخدام SVM على نطاق واسع في العديد من المجالات.وانج وآخرون.اقترح طريقة ذكية لتشخيص الأخطاء بناءً على مزيج من إنتروبيا التقليب الموزون متعدد المقاييس المركب المعمم (GCMWPE) و SVM [7] ، والتي يمكن أن تستخلص ميزات المحمل من مقاييس متعددة لإنشاء مجموعة ميزات عالية الأبعاد.البياتي وآخروناقترح طريقة تحديد موقع الخطأ لشبكة DC الصغيرة استنادًا إلى SVM [8].باستخدام القيمة المحلية المقاسة في أحد طرفي كل خط ، يمكن تحديد الموقع الدقيق لخطأ المعاوقة العالية ، وتظهر النتائج التجريبية أن المخطط قوي للضوضاء والاضطرابات الأخرى.المرجع.[9] اقترح طريقة ذكية لتشخيص الأعطال لبطارية ليثيوم أيون تعتمد على آلة ناقلات الدعم ، والتي تستخدم ترشيح جيب التمام المنفصل للتخلص من الضوضاء.