دانلود مقاله ISI انگلیسی شماره 152673
ترجمه فارسی عنوان مقاله

تشخیص خطای تحمل عنصر نورد با استفاده از شبکه عصبی کانولوشن و تصویر ارتعاش

عنوان انگلیسی
Rolling element bearing fault diagnosis using convolutional neural network and vibration image
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی ترجمه فارسی
152673 2018 30 صفحه PDF سفارش دهید
دانلود فوری مقاله + سفارش ترجمه

نسخه انگلیسی مقاله همین الان قابل دانلود است.

هزینه ترجمه مقاله بر اساس تعداد کلمات مقاله انگلیسی محاسبه می شود.

این مقاله تقریباً شامل 6242 کلمه می باشد.

هزینه ترجمه مقاله توسط مترجمان با تجربه، طبق جدول زیر محاسبه می شود:

شرح تعرفه ترجمه زمان تحویل جمع هزینه
ترجمه تخصصی - سرعت عادی هر کلمه 12 تومان 12 روز بعد از پرداخت 74,904 تومان
ترجمه تخصصی - سرعت فوری هر کلمه 24 تومان 6 روز بعد از پرداخت 149,808 تومان
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Cognitive Systems Research, Available online 14 March 2018

ترجمه کلمات کلیدی
تشخیص خطا باربری، شبکه عصبی متقاطع، یادگیری عمیق، فراگیری ماشین،
کلمات کلیدی انگلیسی
Bearing fault diagnosis; Convolutional neural network; Deep learning; Machine learning;
ترجمه چکیده
شناسایی در گسل های قبلی تحمل یک وظیفه ضروری از نظارت بر سلامت دستگاه است، زیرا یاطاقان، اجزای حیاتی ماشین آلات دوار است. عملکرد روش های تشخیص خطای هوشمند سنتی بستگی به ویژگی های استخراج سیگنال های خطا دارد که نیازمند تکنیک های پردازش سیگنال، دانش تخصصی و نیروی انسانی است. به تازگی، الگوریتم های یادگیری عمیق به طور گسترده در نظارت بر سلامت دستگاه اعمال شده است. با ظرفیت به طور خودکار یادگیری ویژگی های پیچیده داده های ورودی، معماری های یادگیری عمیق توان بالقوه برای غلبه بر نقص های تشخیص خطای هوشمند سنتی دارند. در این مقاله روشی برای تشخیص گسل های تحمل بر اساس ساختار عمیق شبکه عصبی کانولوشن ارائه شده است. با استفاده از سیگنال های ارتعاش به طور مستقیم به عنوان داده های ورودی، روش پیشنهادی یک سیستم تشخیص خطای خودکار است که نیازی به هیچ تکنیک استخراج ویژگی ندارد و دقت بسیار بالا و قابلیت اطمینان را در محیط های پر سر و صدا به دست می آورد.
ترجمه دقیق تری نیاز دارید؟ سفارش دهید
پیش نمایش مقاله
پیش نمایش مقاله تشخیص خطای تحمل عنصر نورد با استفاده از شبکه عصبی کانولوشن و تصویر ارتعاش

چکیده انگلیسی

Detecting in prior bearing faults is an essential task of machine health monitoring because bearings are the vital components of rotary machines. The performance of traditional intelligent fault diagnosis methods depend on feature extraction of fault signals, which requires signal processing techniques, expert knowledge, and human labor. Recently, deep learning algorithms have been applied widely in machine health monitoring. With the capacity of automatically learning complex features of input data, deep learning architectures have great potential to overcome drawbacks of traditional intelligent fault diagnosis. This paper proposes a method for diagnosing bearing faults based on a deep structure of convolutional neural network. Using vibration signals directly as input data, the proposed method is an automatic fault diagnosis system which does not require any feature extraction techniques and achieves very high accuracy and robustness under noisy environments.

دانلود فوری مقاله + سفارش ترجمه

نسخه انگلیسی مقاله همین الان قابل دانلود است.

هزینه ترجمه مقاله بر اساس تعداد کلمات مقاله انگلیسی محاسبه می شود.

این مقاله شامل 6242 کلمه می باشد.

هزینه ترجمه مقاله توسط مترجمان با تجربه، طبق جدول زیر محاسبه می شود:

شرح تعرفه ترجمه زمان تحویل جمع هزینه
ترجمه تخصصی - سرعت عادی هر کلمه 12 تومان 12 روز بعد از پرداخت 74,904 تومان
ترجمه تخصصی - سرعت فوری هر کلمه 24 تومان 6 روز بعد از پرداخت 149,808 تومان
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.