ELEMENT FILTERA DIZEL GORIVA

Sa trendom mehaničke opreme ka velikoj, inteligentnoj i visokoj preciznosti, upotreba rotirajućih dijelova, kao što su valjkasti ležajevi, značajno je poboljšana kako bi se postigao prijenos snage, fiksacija položaja i druge svrhe.Kada se oštete ili pokvare, sigurnost rada mehaničke opreme i proizvodna korist će biti ugroženi.Međutim, zbog posebnog položaja ugradnje ovih rotirajućih dijelova, teže je istražiti i ocijeniti zdravstveno stanje opreme, a dosadašnje metode koje su se oslanjale na ljude ili iskustvo više ne mogu funkcionirati.Stoga je razvoj inteligentne metode detekcije i dijagnoze za implementaciju praćenja zdravlja opreme postao vruća tema istraživanja.

S brzim razvojem umjetne inteligencije, sve više i više metoda strojnog učenja čine da se inteligentna dijagnoza mehaničke opreme ostvari i napreduje, kao što je učenje s pojačanjem (RL) [1], [2], generativne adversarijske mreže (GAN) [3], autoencoder (AE) [4] i stroj vektora podrške (SVM) [5], [6], [47].Među njima, SVM je klasifikacioni algoritam zasnovan na statističkom učenju, koji nije lako pasti u lokalne minimume i odvaja podatke o obuci kroz optimalnu hiperravninu, dok se podaci o obuci mogu mapirati na visokodimenzionalne karakteristike kroz metode nelinearnog mapiranja, kao što su polinomske funkcije i radijalne bazne funkcije.Osim toga, SVM može pružiti preciznu hiperravninu odlučivanja pod ograničenim uzorcima i ima dobru sposobnost generalizacije.S obzirom na svoje odlične performanse, SVM se široko koristi u mnogim poljima.Wang et al.predložio je inteligentnu metodu dijagnoze kvara zasnovanu na kombinaciji generalizirane kompozitne multi-skala ponderirane permutacijske entropije (GCMWPE) i SVM [7], koja može izdvojiti karakteristike ležaja iz više skala kako bi se konstruirala kolekcija značajki visoke dimenzije.Bayati et al.predložio metodu lociranja kvara za DC mikromrežu zasnovanu na SVM [8].Koristeći lokalnu izmjerenu vrijednost na jednom kraju svake linije, može se locirati tačna lokacija kvara visoke impedancije, a eksperimentalni rezultati pokazuju da je shema otporna na šum i druge smetnje.Ref.[9] predložio je inteligentnu metodu dijagnoze kvara za litijum-jonsku bateriju zasnovanu na mašini za vektor podrške, koja koristi diskretno kosinusno filtriranje da eliminiše šum.