DIESEL BRANDSTOFFILTERELEMENT

Met de trend van mechanische apparatuur naar grootschalige, intelligente en hoge precisie, is het gebruik van roterende onderdelen, zoals rollagers, aanzienlijk verbeterd om krachtoverbrenging, positiefixatie en andere doeleinden te bereiken.Wanneer ze beschadigd zijn of defect raken, heeft dit gevolgen voor de veiligheid van de werking van de mechanische apparatuur en het productievoordeel.Vanwege de speciale installatiepositie van deze roterende onderdelen is het echter moeilijker om de gezondheidsstatus van de apparatuur te onderzoeken en te beoordelen, en eerdere methoden die op mensen of ervaring berusten, kunnen niet langer werken.Daarom is de ontwikkeling van een intelligente detectie- en diagnosemethode om de gezondheid van apparatuur te monitoren een populair onderzoeksonderwerp geworden.

Met de snelle ontwikkeling van kunstmatige intelligentie zorgen steeds meer machine learning-methoden ervoor dat intelligente diagnoses van mechanische apparatuur uitkomen en gedijen, zoals Reinforcement Learning (RL) [1], [2], Generative Adversarial Networks (GAN) [3], Autoencoder (AE) [4] en ondersteuningsvectormachine (SVM) [5], [6], [47].Onder hen is SVM een classificatie-algoritme op basis van statistisch leren, dat niet gemakkelijk in lokale minima valt en trainingsgegevens scheidt via een optimaal hypervlak, terwijl trainingsgegevens kunnen worden toegewezen aan hoog-dimensionale kenmerken via niet-lineaire afbeeldingsmethoden, zoals polynoomfuncties en radiale basisfuncties.Bovendien kan SVM een nauwkeurig beslissingshypervlak bieden onder beperkte steekproeven, en heeft het een goed generalisatievermogen.Vanwege de uitstekende prestaties wordt SVM op veel gebieden veel gebruikt.Wang et al.stelde een intelligente foutdiagnosemethode voor op basis van de combinatie van gegeneraliseerde samengestelde multi-schaal gewogen permutatie-entropie (GCMWPE) en SVM [7], die lagerkenmerken uit meerdere schalen kan extraheren om een ​​hoogdimensionale kenmerkverzameling te construeren.Bayati et al.stelde een foutlocatiemethode voor DC-microgrid voor op basis van SVM [8].Door de lokale gemeten waarde aan het ene uiteinde van elke lijn te gebruiken, kan de nauwkeurige locatie van een fout met hoge impedantie worden gelokaliseerd en de experimentele resultaten laten zien dat het schema robuust is voor ruis en andere storingen.ref.[9] stelde een intelligente foutdiagnosemethode voor lithium-ionbatterijen voor op basis van een ondersteunende vectormachine, die discrete cosinusfiltering gebruikt om ruis te elimineren.