تست روش PCA در بهبود نتایج شبکه عصبی LVQ در آشکارسازی خطا در موتورهای جریان مستقیم
Publish place: National Conference on Electrical Engineering , Majlesi
Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 475
This Paper With 7 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NCEEM01_140
تاریخ نمایه سازی: 11 مرداد 1396
Abstract:
در این مقاله به پایش وضعیت و عیبیابی موتورهای جریان مستقیم پرداخته می شود با نمونه برداری از جریان موتور در حالت های خطا وسالم، ضمن تحلیل به کمک تبدیل موجک گسسته و تجزیه سیگنال به چند سطح، بهترین ویژگی ها به منظور شناسایی خطا استخراج گردیده و باانتخاب مناسب ترین ویژگی ها و پیش پردازش به کمک PCA ورودی های موردنیاز برای آموزش شبکه عصبی تامین میگردد که به کمک شبکه عصبی رقمی ساز بردار یادگیرLVQ برخی عیوب متداول ازجمله عیوب مربوط به بلبرینگ ها به صورت هوشمند باقابلیت تفکیک پذیری تا 98/8 شناسایی می شود.
Keywords:
Authors
حمیدرضا امامی
کارشناس ارشد مکاترونیک و دانشگاه آزاد واحد قزوین، دانشکده مهندسی برق، پزشکی و مکاترونیک
معظمه هاشمی
کارشناس ارشد کامپیوتر و دانشگاه شهید اشرفی اصفهانی، دانشکده کامپیوتر
ناصر نعمت بخش
استادیار و دانشگاه شهید اشرفی اصفهانی، دانشکده کامپیوتر
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :