دانلود مقاله ISI انگلیسی شماره 46670
عنوان فارسی مقاله

یک روش داده کاوی برای تشخیص عیب: استفاده از الگوریتم تشخیص ناهنجاری

کد مقاله سال انتشار مقاله انگلیسی ترجمه فارسی تعداد کلمات
46670 2014 10 صفحه PDF سفارش دهید محاسبه نشده
خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
عنوان انگلیسی
A data mining approach for fault diagnosis: An application of anomaly detection algorithm
منبع

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

Journal : Measurement, Volume 55, September 2014, Pages 343–352

کلمات کلیدی
داده کاوی - تشخیص عیب - یادگیری ماشین - تشخیص ناهنجاری - ماشین های بردار پشتیبانی
پیش نمایش مقاله
پیش نمایش مقاله یک روش داده کاوی برای تشخیص عیب: استفاده از الگوریتم تشخیص ناهنجاری

چکیده انگلیسی

Rolling-element bearing failures are the most frequent problems in rotating machinery, which can be catastrophic and cause major downtime. Hence, providing advance failure warning and precise fault detection in such components are pivotal and cost-effective. The vast majority of past research has focused on signal processing and spectral analysis for fault diagnostics in rotating components. In this study, a data mining approach using a machine learning technique called anomaly detection (AD) is presented. This method employs classification techniques to discriminate between defect examples. Two features, kurtosis and Non-Gaussianity Score (NGS), are extracted to develop anomaly detection algorithms. The performance of the developed algorithms was examined through real data from a test to failure bearing. Finally, the application of anomaly detection is compared with one of the popular methods called Support Vector Machine (SVM) to investigate the sensitivity and accuracy of this approach and its ability to detect the anomalies in early stages.

خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.