دانلود مقاله ترجمه شده روشی هوشمند برای عیب یابی خطای موتور براساس تبدیل هیلبرت- هوانگ و ماشین بردار پشتیبانی


چطور این مقاله مهندسی مکانیک را دانلود کنم؟

فایل انگلیسی این مقاله با شناسه 2009075 رایگان است. ترجمه چکیده این مقاله مهندسی مکانیک در همین صفحه قابل مشاهده است. شما می توانید پس از بررسی این دو مورد نسبت به خرید و دانلود مقاله ترجمه شده اقدام نمایید

قیمت :
985,000 ریال
شناسه محصول :
2009075
سال انتشار:
2014
حجم فایل انگلیسی :
2 Mb
حجم فایل فارسی :
1 مگا بایت
نوع فایل های ضمیمه :
Pdf+Word
کلمه عبور همه فایلها :
www.daneshgahi.com

عنوان فارسي

روشی هوشمند برای عیب یابی خطای موتور براساس تبدیل هیلبرت- هوانگ و ماشین بردار پشتیبانی

عنوان انگليسي

An intelligent approach for engine fault diagnosis based on Hilbert–Huang transform and support vector machine

نویسنده/ناشر/نام مجله

Applied Acoustics

این مقاله چند صفحه است؟

این مقاله ترجمه شده مهندسی مکانیک شامل 9 صفحه انگلیسی به صورت پی دی اف و 29 صفحه متن فارسی به صورت ورد تایپ شده است

چکیده فارسی

چکیده

براساس تکنیک­ های تبدیل هیلبرت-هوانگ (HHT) و ماشین بردار پشتیبانی (SVM)، در این مقاله یک روش هوشمند مبتنی بر نویز (HHT-SVM) برای عیب یابی خطای موتور (EFD) فراهم شده است. در ابتدا نویزهای یک موتور نمونه تحت شرایط خطای معمولی و شدید اندازه­ گیری شده ­اند و با استفاده از روش آستانه­ گذاری بسته موجک به سطح پایین ­تری از نویز که هیچ­ گونه اختلالی ندارد نویزگیری شده ­اند. سپس به منظور استخراج ویژگی­ های خطای موتور، HHT به سیگنال ­های نویز اندازه ­گیری شده اعمال می ­شود. یک بردار 9 بعدی متشکل از هفت تابع حالت ذاتی (IMF) از تجزیه حالت تجربی (EMD)، بیشینه طیف حاشیه­ ای HHT و مولفه فرکانس مربوط به آن مشخص شده است تا هر ویژگی خطای موتور را نشان دهد. در نهایت یک مدل SVM بهینه ایجاد شده است و با استفاده از بردارهای ویژگی خطای مربوط به سیگنال­ های نویز برای طبقه ­بندی خرابی موتور به کار گرفته شده­ اند. نتایج بررسی اعتباری نشان می­ دهد که روش HHT-SVM پیشنهادی برای عیب یابی خطاهای موتور دقیق و موثر است. به خاطر مشخصه­ های برجسته فرکانسی-زمانی و ظرفیت شناخت الگوی HHT و SVM، می­توان از روش جدید HHT-SVM برای ارضاء سیگنال­ های ساکن و غیر ساکن و حتی زودگذر، استفاده کرد. از نظر کاربرد، از تکنیک HHT-SVM نه تنها به خاطر تشخیص حالت­ های غیر معمول موتور خودرو بلکه برای گسترش و بسط یافتن در دیگر حوزه­ ها برای عیب یابی خطا در مهندسی نیز می­ توان استفاده کرد.

1-مقدمه

موتور منبع توان و جزء اصلی خودرو است که عملکرد آن به طور مستقیم بر ایمنی و قابلیت اطمینان خودرو تاثیر می­ گذارد. به خاطر ساختار پیچیده و شرایط کاری موتور، خرابی موتور 40% از کل خرابی خودرو را شامل می ­شود. بنابراین توسعه روشی برای نظارت سریع و دقیق بر شرایط و عیب یابی خطای موتور از اهمیت بالایی برخوردار است...

 

 

ماشین بردار پشتیبانی عیب یابی خطای موتور :کلمات کلیدی

چکیده انگلیسی

Abstract

Based on the techniques of Hilbert–Huang transform (HHT) and support vector machine (SVM), a noise-based intelligent method for engine fault diagnosis (EFD), so-called HHT–SVM model, is developed in this paper. The noises of a sample engine under normal and several fault states are first measured and denoised by using the wavelet packet threshold method to initially lower the noise level with negligible signal distortion. To extract fault features of the engine, then, the HHT is selected and applied to the measured noise signals. A nine-dimensional vector, which consists of seven intrinsic mode functions (IMFs) from the empirical mode decomposition (EMD), maximum value of HHT marginal spectrum and its corresponding frequency component, is specified to represent each engine fault feature. Finally, an optimal SVM model is established and trained for engine failure classification by using the fault feature vectors of the noise signals. Cross-validation results show that the proposed noise-based HHT–SVM method is accurate and effective for engine fault diagnosis. Due to outstanding time–frequency characteristics and pattern recognition capacity of the HHT and SVM, the newly proposed HHT–SVM can be used to deal with both the stationary and nonstationary signals, and even the transient ones. In the view of applications, the HHT–SVM technique may be suggested not only to detect the abnormal states of vehicle engines, but also to be extended to other fields for failure diagnosis in engineering.

Keywords: Engine fault diagnosis Noise feature vector Wavelet packet denoising
Skip Navigation Linksصفحه اصلی > دپارتمان ها > دپارتمان فنی و مهندسی > مهندسی مکانیک > مقاله های مهندسی مکانیک و ترجمه فارسی آنها > روشی هوشمند برای عیب یابی خطای موتور براساس تبدیل هیلبرت- هوانگ و ماشین بردار پشتیبانی
کتابخانه الکترونیک
دانلود مقالات ترجمه شده
جستجوی مقالات
با انتخاب رشته مورد نظر خود می توانید مقالات ترجمه شده آن رو به صورت موضوع بندی شده مشاهده نمایید