دانلود مقاله ISI انگلیسی شماره 148692
ترجمه فارسی عنوان مقاله

یادگیری ماشین شبیه سازی شده: طبقه بندی گسل باربری

عنوان انگلیسی
Simulation-driven machine learning: Bearing fault classification
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی ترجمه فارسی
148692 2018 17 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 11075 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 18 تومان 18 روز بعد از پرداخت 199,350 تومان
ترجمه تخصصی - سرعت فوری هر کلمه 36 تومان 9 روز بعد از پرداخت 398,700 تومان
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
تولید محتوا برای سایت شما
پایگاه ISIArticles آمادگی دارد با همکاری مجموعه «شهر محتوا» با بهره گیری از منابع معتبر علمی، برای کتاب، سایت، وبلاگ، نشریه و سایر رسانه های شما، به زبان فارسی «تولید محتوا» نماید.
  • تولید محتوا با مقالات ISI برای سایت یا وبلاگ شما
  • تولید محتوا با مقالات ISI برای کتاب شما
  • تولید محتوا با مقالات ISI برای نشریه یا رسانه شما
  • و...

پیشنهاد می کنیم کیفیت محتوای سایت خود را با استفاده از منابع علمی، افزایش دهید.

منبع

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

Journal : Mechanical Systems and Signal Processing, Volume 99, 15 January 2018, Pages 403-419

ترجمه کلمات کلیدی
فراگیری ماشین، نظارت بر وضعیت، غلتک، تشخیص گسل، نظارت بر سلامت پیشگویی،
کلمات کلیدی انگلیسی
Machine learning; Condition monitoring; Roller bearing; Fault detection; Prognostic health monitoring;
پیش نمایش مقاله
پیش نمایش مقاله یادگیری ماشین شبیه سازی شده: طبقه بندی گسل باربری

چکیده انگلیسی

Increasing the accuracy of mechanical fault detection has the potential to improve system safety and economic performance by minimizing scheduled maintenance and the probability of unexpected system failure. Advances in computational performance have enabled the application of machine learning algorithms across numerous applications including condition monitoring and failure detection. Past applications of machine learning to physical failure have relied explicitly on historical data, which limits the feasibility of this approach to in-service components with extended service histories. Furthermore, recorded failure data is often only valid for the specific circumstances and components for which it was collected. This work directly addresses these challenges for roller bearings with race faults by generating training data using information gained from high resolution simulations of roller bearing dynamics, which is used to train machine learning algorithms that are then validated against four experimental datasets. Several different machine learning methodologies are compared starting from well-established statistical feature-based methods to convolutional neural networks, and a novel application of dynamic time warping (DTW) to bearing fault classification is proposed as a robust, parameter free method for race fault detection.

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 11075 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 18 تومان 18 روز بعد از پرداخت 199,350 تومان
ترجمه تخصصی - سرعت فوری هر کلمه 36 تومان 9 روز بعد از پرداخت 398,700 تومان
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.