使用Mel-Scalograms和FOX优化的ANNN进行高级轴承故障诊断和分类
Muhammad Farooq Siddique1, Wasim Zaman1, Saif Ullah1
1Department of Electrical, Electronics and Computer Engineering, University of Ulsan, Ulsan 44610, Republic of Korea.
Sensors (Basel, Switzerland)
|November 27, 2024
概括
这项研究引入了一种新的轴承故障诊断方法,使用Mel转换的刻度图和带有FOX优化器的自动编码器. 这种方法可以实现工业机械维护的完美准确性.
科学领域:
- 工程 工程师 工程师 工程师
- 人工智能的人工智能
- 信号处理 信号处理
背景情况:
- 轴承故障诊断对于工业机械的效率和安全至关重要.
- 传统方法在检测各种故障时可能缺乏准确性和可靠性.
- 需要先进的信号处理和机器学习来进行强大的故障检测.
研究的目的:
- 提出一种新且高度准确的轴承故障诊断方法.
- 为了利用Mel转换的扫描图和用于特征提取的自动编码器.
- 使用FOX优化器来提高人工神经网络的性能.
主要方法:
- 振动信号 (VS) 被转换成Mel转换的扫描图.
- 一个带有卷积和聚合层的自动编码器提取了强大的特征.
- 通过FOX优化器优化的人工神经网络 (ANN) 进行了分类.
主要成果:
- 拟议的模型实现了完美的精度,回忆,F1分数和AUC为1.00.
- 福克斯优化器在传统的反向传播上表现出卓越的性能.
- t-SNE图表证实了不同断层类别之间的明显分离.
结论:
- 这种新的方法为轴承故障诊断提供了有效和准确的解决方案.
- 这种方法对于工业环境中的实时预测性维护具有高度可靠性.
- 这些发现大大推动了机械健康监测领域的发展.
更多相关视频
06:45Design and Application of a Fault Detection Method Based on Adaptive Filters and Rotational Speed Estimation for an Electro-Hydrostatic Actuator
Published on: October 28, 2022
1.6K
09:47Author Spotlight: Advancing Alzheimer's Research – Exploring Early Detection and Multi-Omics Approaches
Published on: December 15, 2023
957
