ด้วยแนวโน้มของอุปกรณ์เชิงกลไปสู่ขนาดใหญ่ อัจฉริยะ และมีความแม่นยำสูง การใช้ชิ้นส่วนที่หมุนได้ เช่น ตลับลูกปืนแบบลูกกลิ้ง ได้รับการปรับปรุงให้ดีขึ้นอย่างมากเพื่อให้ได้การส่งกำลัง การตรึงตำแหน่ง และวัตถุประสงค์อื่นๆเมื่อเกิดความเสียหายหรือล้มเหลว ความปลอดภัยในการทำงานของอุปกรณ์เครื่องจักรกลและผลประโยชน์ในการผลิตจะได้รับผลกระทบอย่างไรก็ตาม เนื่องจากตำแหน่งการติดตั้งพิเศษของชิ้นส่วนที่หมุนได้เหล่านี้ การวิจัยและตัดสินสถานะของอุปกรณ์จึงทำได้ยากขึ้น และวิธีการก่อนหน้านี้ที่อาศัยมนุษย์หรือประสบการณ์ไม่สามารถทำงานได้อีกต่อไปดังนั้น การพัฒนาวิธีการตรวจจับและวินิจฉัยอัจฉริยะเพื่อใช้การตรวจสอบสุขภาพของอุปกรณ์จึงกลายเป็นหัวข้อวิจัยที่ร้อนแรง
ด้วยการพัฒนาอย่างรวดเร็วของปัญญาประดิษฐ์ วิธีการเรียนรู้ของเครื่องที่มากขึ้นทำให้การวินิจฉัยอุปกรณ์เชิงกลที่ชาญฉลาดเป็นจริงและประสบความสำเร็จ เช่น การเรียนรู้แบบเสริมแรง (RL) [1], [2], เครือข่ายฝ่ายตรงข้ามเชิงกำเนิด (GAN) [3], ตัวเข้ารหัสอัตโนมัติ (AE) [4] และสนับสนุนเครื่องเวกเตอร์ (SVM) [5], [6], [47]ในหมู่พวกเขา SVM เป็นอัลกอริทึมการจำแนกประเภทตามการเรียนรู้ทางสถิติ ซึ่งไม่ใช่เรื่องง่ายที่จะตกอยู่ในค่าต่ำสุดในท้องถิ่นและแยกข้อมูลการฝึกอบรมผ่านไฮเปอร์เพลนที่ดีที่สุด ในขณะที่ข้อมูลการฝึกอบรมสามารถแมปกับคุณสมบัติมิติสูงด้วยวิธีการทำแผนที่แบบไม่เชิงเส้น เช่น ฟังก์ชันพหุนามและ ฟังก์ชันฐานรัศมีนอกจากนี้ SVM ยังสามารถให้ไฮเปอร์เพลนการตัดสินใจที่แม่นยำภายใต้ตัวอย่างที่จำกัด และมีความสามารถในการสรุปทั่วไปที่ดีด้วยประสิทธิภาพที่ยอดเยี่ยม SVM จึงถูกนำมาใช้อย่างแพร่หลายในหลายสาขาวังและคณะเสนอวิธีการวินิจฉัยข้อบกพร่องอัจฉริยะโดยอิงจากการรวมกันของเอนโทรปีการเปลี่ยนแปลงน้ำหนักแบบหลายมาตราส่วนแบบผสมทั่วไป (GCMWPE) และ SVM [7] ซึ่งสามารถแยกคุณลักษณะตลับลูกปืนจากเครื่องชั่งหลายรายการเพื่อสร้างคอลเลกชันคุณลักษณะมิติสูงบายาติ และคณะเสนอวิธีการระบุตำแหน่งข้อบกพร่องสำหรับไมโครกริด DC ตาม SVM [8]เมื่อใช้ค่าที่วัดได้ในท้องถิ่นที่ปลายด้านหนึ่งของแต่ละบรรทัด จะสามารถระบุตำแหน่งที่แม่นยำของข้อบกพร่องอิมพีแดนซ์สูงได้ และผลการทดลองแสดงให้เห็นว่าโครงร่างมีความทนทานต่อเสียงรบกวนและการรบกวนอื่นๆอ้างอิง[9] เสนอวิธีการวินิจฉัยข้อบกพร่องอัจฉริยะสำหรับแบตเตอรี่ลิเธียมไอออนโดยใช้เครื่องเวกเตอร์ที่รองรับ ซึ่งใช้การกรองโคไซน์แบบแยกเพื่อขจัดสัญญาณรบกวน
อุปกรณ์ | ปี | ประเภทอุปกรณ์ | ตัวเลือกอุปกรณ์ | ไส้กรองเครื่องยนต์ | ตัวเลือกเครื่องยนต์ |
หมายเลขสินค้า | BZL--ZX | |
ขนาดกล่องด้านใน | CM | |
ขนาดกล่องนอก | CM | |
ก.ว | KG | |
หีบ (จำนวน) | พีซีเอส |