Dalgacık Dönüşümü ve Morlet Destek Vektör Makinesi ile Bilyalı Rulmanların Arıza Teşhisi ve Bunların Ampirik Mod Ayrışımı ile Karşılaştırılması
(Fault Diagnosis of Ball Bearings by Wavelet Transform and Morlet Support Vector Machine and Comparison them with Empirical Mode Decomposition)

İsim Dalgacık Dönüşümü ve Morlet Destek Vektör Makinesi ile Bilyalı Rulmanların Arıza Teşhisi ve Bunların Ampirik Mod Ayrışımı ile Karşılaştırılması
İsim Orijinal Fault Diagnosis of Ball Bearings by Wavelet Transform and Morlet Support Vector Machine and Comparison them with Empirical Mode Decomposition
Yazar Muhammed Heidari
Basım Yeri - Semnan Üniversitesi
Tür Süreli Yayın
Dil Arapça
Dijital Evet
Yazma Hayır
Kütüphane: UMA Kütüphaneleri - Malaga Üniversitesi
Demirbaş Numarası ISSN: 2008-4854, EISSN: 2783-2538, DOI: 10.22075/jme.2022.26634.2244
Kayıt Numarası cdi_doaj_primary_oai_doaj_org_article_c4b810cae884492d8b0567bb927c2f7e
Lokasyon Çevrimiçi Olarak Kullanılabilir
Notlar Bu çalışmada rulmanların arıza teşhisinde ampirik mod ayrıştırması, topluluk ampirik mod ayrıştırması ve Morlet sürekli dalgacık dönüşümü arasında bir karşılaştırma yapılmıştır. Arıza sınıflandırması için genetik algoritma ile optimize edilmiş bire bir stratejiye sahip bir Morlet dalgacık destek vektör makinesi kullanıldı. Dalgacık analizi için optimal ayrıştırma ölçeğini belirlemek amacıyla maksimum bağıl enerjinin Renyi entropi oranına dayalı bir ölçek seçim kriteri önerilmiştir. Ayrıca optimize edilmiş ve optimize edilmemiş destek vektör makinelerinin performansları arasında bir karşılaştırma da yapılmıştır. Normal durum, iç ve dış bilezik arızalı rulman ve bilye arızalı ve kombine arızalı rulman gibi farklı rulman arızaları için titreşim sinyalleri bir test donanımı tarafından toplandı. Titreşim sinyallerinin frekans bileşenleri işlendikten sonra, bilyalı rulmanların arıza sınıflandırması için dalgacık destek vektör makinesinin girdisi olarak her frekans bileşeninden çeşitli istatistiksel özellikler çıkarıldı. Arıza teşhisi süresini ve sürecini azaltmak için istatistiksel parametrelerin optimum özellik setleri Utans yöntemiyle seçilir. Sınıflandırıcının değerlendirilmesinde K-katlı çapraz doğrulama yöntemi kullanılmıştır. Sonuçlar, yatakların hata sınıflandırmasında Morlet tabanlı sürekli dalgacık dönüşümünün diğer yöntemlere göre daha yüksek doğruluğa sahip olduğunu göstermektedir.
Örnek Metin Mühendislikte Modelleme Dergisi, 1402-01, Cilt.21 (72), s.147-158
Kaynağa git UMA Kütüphaneleri - Malaga Üniversitesi UMA Kütüphaneleri - Malaga Üniversitesi - Osmanlıca el yazması arama motoru

Diğer Nüshalar

11
Fault Diagnosis of Ball Bearings by Wavelet Transform and Morlet Support Vector Machine and Comparison them with Empirical Mode Decomposition
Kayıt Numarası: 4690096
Fault Diagnosis of Ball Bearings by Wavelet Transform and Morlet Support Vector Machine and Comparison them with Empirical Mode Decomposition
Kayıt Numarası: 4691463
Fault Diagnosis of Ball Bearings by Wavelet Transform and Morlet Support Vector Machine and Comparison them with Empirical Mode Decomposition
Kayıt Numarası: 4866637
Fault Diagnosis of Ball Bearings by Wavelet Transform and Morlet Support Vector Machine and Comparison them with Empirical Mode Decomposition
Kayıt Numarası: 5213873
Fault Diagnosis of Ball Bearings by Wavelet Transform and Morlet Support Vector Machine and Comparison them with Empirical Mode Decomposition
Kayıt Numarası: 5292155
Fault Diagnosis of Ball Bearings by Wavelet Transform and Morlet Support Vector Machine and Comparison them with Empirical Mode Decomposition
Kayıt Numarası: 5301259
Fault Diagnosis of Ball Bearings by Wavelet Transform and Morlet Support Vector Machine and Comparison them with Empirical Mode Decomposition
Kayıt Numarası: 5302258
Fault Diagnosis of Ball Bearings by Wavelet Transform and Morlet Support Vector Machine and Comparison them with Empirical Mode Decomposition
Kayıt Numarası: 5302596
Fault Diagnosis of Ball Bearings by Wavelet Transform and Morlet Support Vector Machine and Comparison them with Empirical Mode Decomposition
Kayıt Numarası: 5303730
Fault Diagnosis of Ball Bearings by Wavelet Transform and Morlet Support Vector Machine and Comparison them with Empirical Mode Decomposition
Kayıt Numarası: 5304742
Fault Diagnosis of Ball Bearings by Wavelet Transform and Morlet Support Vector Machine and Comparison them with Empirical Mode Decomposition
Kayıt Numarası: 5334450
UMA Kütüphaneleri - Malaga Üniversitesi - Osmanlıca el yazması arama motoru UMA Kütüphaneleri - Malaga Üniversitesi

Dalgacık Dönüşümü ve Morlet Destek Vektör Makinesi ile Bilyalı Rulmanların Arıza Teşhisi ve Bunların Ampirik Mod Ayrışımı ile Karşılaştırılması

(Fault Diagnosis of Ball Bearings by Wavelet Transform and Morlet Support Vector Machine and Comparison them with Empirical Mode Decomposition)
Yazar Muhammed Heidari
Basım Yeri - Semnan Üniversitesi
Tür Süreli Yayın
Dil Arapça
Dijital Evet
Yazma Hayır
Kütüphane UMA Kütüphaneleri - Malaga Üniversitesi
Demirbaş Numarası ISSN: 2008-4854, EISSN: 2783-2538, DOI: 10.22075/jme.2022.26634.2244
Kayıt Numarası cdi_doaj_primary_oai_doaj_org_article_c4b810cae884492d8b0567bb927c2f7e
Lokasyon Çevrimiçi Olarak Kullanılabilir
Notlar Bu çalışmada rulmanların arıza teşhisinde ampirik mod ayrıştırması, topluluk ampirik mod ayrıştırması ve Morlet sürekli dalgacık dönüşümü arasında bir karşılaştırma yapılmıştır. Arıza sınıflandırması için genetik algoritma ile optimize edilmiş bire bir stratejiye sahip bir Morlet dalgacık destek vektör makinesi kullanıldı. Dalgacık analizi için optimal ayrıştırma ölçeğini belirlemek amacıyla maksimum bağıl enerjinin Renyi entropi oranına dayalı bir ölçek seçim kriteri önerilmiştir. Ayrıca optimize edilmiş ve optimize edilmemiş destek vektör makinelerinin performansları arasında bir karşılaştırma da yapılmıştır. Normal durum, iç ve dış bilezik arızalı rulman ve bilye arızalı ve kombine arızalı rulman gibi farklı rulman arızaları için titreşim sinyalleri bir test donanımı tarafından toplandı. Titreşim sinyallerinin frekans bileşenleri işlendikten sonra, bilyalı rulmanların arıza sınıflandırması için dalgacık destek vektör makinesinin girdisi olarak her frekans bileşeninden çeşitli istatistiksel özellikler çıkarıldı. Arıza teşhisi süresini ve sürecini azaltmak için istatistiksel parametrelerin optimum özellik setleri Utans yöntemiyle seçilir. Sınıflandırıcının değerlendirilmesinde K-katlı çapraz doğrulama yöntemi kullanılmıştır. Sonuçlar, yatakların hata sınıflandırmasında Morlet tabanlı sürekli dalgacık dönüşümünün diğer yöntemlere göre daha yüksek doğruluğa sahip olduğunu göstermektedir.
Örnek Metin Mühendislikte Modelleme Dergisi, 1402-01, Cilt.21 (72), s.147-158
UMA Kütüphaneleri - Malaga Üniversitesi - Osmanlıca el yazması arama motoru
UMA Kütüphaneleri - Malaga Üniversitesi yönlendiriliyorsunuz...

Lütfen bekleyiniz.