Với xu hướng thiết bị cơ khí hướng tới quy mô lớn, thông minh và độ chính xác cao, việc sử dụng các bộ phận quay, chẳng hạn như ổ lăn, đã được cải thiện đáng kể để đạt được mục đích truyền lực, cố định vị trí và các mục đích khác.Khi chúng bị hư hỏng hoặc hỏng hóc, an toàn vận hành thiết bị cơ khí và lợi ích sản xuất sẽ bị ảnh hưởng.Tuy nhiên, do vị trí lắp đặt đặc biệt của các bộ phận quay này, việc nghiên cứu và đánh giá tình trạng hoạt động của thiết bị trở nên khó khăn hơn và các phương pháp trước đây dựa vào con người hoặc kinh nghiệm không còn hiệu quả.Do đó, phát triển phương pháp phát hiện và chẩn đoán thông minh để thực hiện giám sát sức khỏe thiết bị đã trở thành một chủ đề nghiên cứu nóng.
Với sự phát triển nhanh chóng của trí tuệ nhân tạo, ngày càng có nhiều phương pháp học máy giúp chẩn đoán thông minh trên thiết bị cơ khí trở thành hiện thực và phát triển thịnh vượng, chẳng hạn như học tăng cường (RL) [1], [2], mạng đối thủ chung (GAN) [3], bộ mã hóa tự động (AE) [4] và máy vector hỗ trợ (SVM) [5], [6], [47].Trong số đó, SVM là một thuật toán phân loại dựa trên học thống kê, không dễ rơi vào cực tiểu cục bộ và phân tách dữ liệu đào tạo thông qua siêu phẳng tối ưu trong khi dữ liệu đào tạo có thể được ánh xạ tới các tính năng chiều cao thông qua các phương pháp ánh xạ phi tuyến, chẳng hạn như các hàm đa thức và hàm cơ sở bán kính.Ngoài ra, SVM có thể cung cấp siêu phẳng quyết định chính xác trong các mẫu giới hạn và có khả năng tổng quát hóa tốt.Với hiệu suất tuyệt vời của nó, SVM đã được sử dụng rộng rãi trong nhiều lĩnh vực.Vương và cộng sự.đã đề xuất một phương pháp chẩn đoán lỗi thông minh dựa trên sự kết hợp của entropy hoán vị có trọng số đa tỷ lệ tổng hợp (GCMWPE) và SVM [7], có thể trích xuất các tính năng ổ trục từ nhiều tỷ lệ để xây dựng bộ sưu tập tính năng chiều cao.Bayati và cộng sự.đã đề xuất một phương pháp xác định vị trí lỗi cho lưới điện siêu nhỏ DC dựa trên SVM [8].Bằng cách sử dụng giá trị đo được cục bộ ở một đầu của mỗi đường dây, có thể xác định vị trí chính xác của lỗi trở kháng cao và kết quả thử nghiệm cho thấy sơ đồ này bền với nhiễu và các nhiễu khác.Tham khảo[9] đã đề xuất một phương pháp chẩn đoán lỗi thông minh cho pin lithium-ion dựa trên máy vector hỗ trợ, sử dụng bộ lọc cosine rời rạc để loại bỏ nhiễu.
THIẾT BỊ | NĂM | LOẠI THIẾT BỊ | TÙY CHỌN THIẾT BỊ | LỌC ĐỘNG CƠ | TÙY CHỌN ĐỘNG CƠ |
Số mặt hàng của sản phẩm | BZL--ZX | |
kích thước hộp bên trong | CM | |
Kích thước hộp bên ngoài | CM | |
GW | KG | |
CTN (SỐ LƯỢNG) | CÁI |