tailieunhanh - Đề xuất phương pháp khử nhiễu tín hiệu rung phục vụ cho việc chẩn đoán lỗi của động cơ

Bài viết Đề xuất phương pháp khử nhiễu tín hiệu rung phục vụ cho việc chẩn đoán lỗi của động cơ trình bày chi tiết về các phương pháp khử nhiễu; Phương pháp làm giảm nhiễu; Mô hình CNN dự đoán lỗi của động cơ; Đánh giá hiệu quả của mô hình được thực nghiệm trên nguồn dữ liệu mở Case Western Reserve University (CWRU). | KHOA HỌC CÔNG NGHỆ P-ISSN 1859-3585 E-ISSN 2615-9619 ĐỀ XUẤT PHƯƠNG PHÁP KHỬ NHIỄU TÍN HIỆU RUNG PHỤC VỤ CHO VIỆC CHẨN ĐOÁN LỖI CỦA ĐỘNG CƠ PROPOSING A METHOD TO ELIMINATE SIGNAL NOISE OF VIBRATION FOR ENGINE FAULT DIAGNOSIS Nguyễn Hồ Sĩ Hùng1 Trần Đình Khoa1 DOI https TÓM TẮT 1. GIỚI THIỆU Trong những năm gần đây học sâu DL đã trở thành chìa khóa thành công Trong nhiều lĩnh vực sản xuất sự cố thiết bị có thể dẫn trong nhiều ngành sản xuất. Chẩn đoán lỗi động cơ dựa trên dữ liệu rung động là đến tổn thất lợi nhuận đáng kể hoặc thậm chí gây nguy một trong những ứng dụng học sâu trong mô hình sản xuất hiện đại. Do dữ liệu hiểm đến tính mạng của nhân viên. Do đó một cơ sở đánh rung động rất nhạy cảm với một số tín hiệu nhiễu. Các chuyển động không cần giá sức khỏe của thiết bị là rất quan trọng để đưa ra các lựa thiết có thể có tác động tiêu cực đến đầu vào thông tin của cảm biến gia tốc. Đó chọn kế hoạch bảo trì tốt nhất. Học máy đã được sử dụng là lý do tại sao khử nhiễu của tín hiệu rung được xem là giai đoạn quan trọng đầu và phát triển rộng rãi trở thành một công cụ mạnh mẽ để tiên để chẩn đoán lỗi động cơ. Trong bài báo này một phương pháp mới dựa trên chẩn đoán máy móc đặc biệt là phân loại lỗi động cơ dựa biến đổi Fast Fourier Transform FFT và phân cụm K-mean lần đầu tiên được đề trên dữ liệu rung động do sự phát triển của giám sát kỹ xuất để cải thiện hiệu quả của chẩn đoán lỗi động cơ. Sau đó mạng nơron CNN thuật và dữ liệu. Thật vậy một số kỹ thuật học máy như được áp dụng để phân loại các lỗi của động cơ. Để xác nhận hiệu quả của phương Support Vector Machine SVM 1 Decision Trees DT 2 pháp được đề xuất bộ dữ liệu mã nguồn mở Case Western Reserve University K-nearest neighbors algorithm KNN 3 Principal CWRU được sử dụng để chạy thực nghiệm. Các kết quả thử nghiệm khẳng định Component Analysis PCA 4 . đã thành công áp dụng những ưu điểm của phương pháp đề xuất trong việc hỗ trợ chẩn đoán lỗi cho cho các vấn đề chẩn đoán .