ترجمه مقاله توسعه مانیتورینگ توزیع شده سلامت بردگاه و سیستم ارزیاب - نشریه IEEE

قیمت خرید این محصول

۲۴,۰۰۰ تومان

دانلود رایگان نمونه دانلود مقاله انگلیسی

عنوان فارسی

توسعه مانیتورینگ توزیع شده سلامت بردگاه (یاطاقان) و سیستم ارزیاب

عنوان انگلیسی

Development of a Distributed Bearing Health Monitoring and Assessing System

صفحات مقاله فارسی

9

صفحات مقاله انگلیسی

5

سال انتشار

2004

نشریه

آی تریپل ای - IEEE

فرمت مقاله انگلیسی

PDF

فرمت ترجمه مقاله

ورد تایپ شده

رفرنس

دارد

کد محصول

5315

وضعیت ترجمه عناوین تصاویر

ترجمه شده است

وضعیت ترجمه متون داخل تصاویر

ترجمه نشده است

دانشگاه

چین

رشته های مرتبط با این مقاله

مهندسی صنایع و مهندسی کامپیوتر

گرایش های مرتبط با این مقاله

هوش مصنوعی، بهینه سازی سیستم ها و برنامه ریزی و تحلیل سیستم ها

مجله

هشتمین کنفرانس بین المللی کنترل، اتوماسیون و رباتیک

۰.۰ (بدون امتیاز)

امتیاز دهید

فهرست مطالب

چكيده
1.مقدمه
2. ساختمان سيستم
3. الگوريتم هاي تشخيصي/پيش بيني كننده
3.1 استخراج كننده تركيب يا ويژگي
3.2 تشخيص دهنده
3.2.1 نمونه يا مدل تشخيصي فازي
3.2.2 نمونه شبكه عصبي موج ضربه اي كوچك
3.2.3 پيشگو كننده
4 پياده كردن نرم افزار
5 نكات كاربردي
6 نتيجه گيري كلي

نمونه چکیده ترجمه متن فارسی

چكيده
بردگاه هاي عنصر غلطك زني، اجزايي هستند كه به طور گسترده در تجهيزات صنعتي مورد استفاده قرارگرفته و شكستن آنها ممكن است منجر به اسيب جدي به فرايندهاي اصلي شود. كارخانه هاي توليد كننده بردگاه ها ملزم به فراهم نمودن داده هايي از عملكرد تخمين زده شده براي مشتريانشان هستند. اين ها داده هاي آماري، معمولا از طريق آزمايشات مختلف تست با نمونه هاي محصول بوسيله لوازم تست بردگاه بدست مي آيند. هرچند، معمولا بدست آوردن نتايج متقاعد كننده از روش قديمي و ينتي به علت محدوديت دستگاه مانيتورينگ و روش هاي آناليزش خيلي سخت است. اين مقاله، يك نوع سيستم هوشمند را براي تست بردگاه و مركز بازرسي كارخانه بردگاه را براي نظارت بر وضعيت سلامتي و ارزيابي عملكرد بردگاه هاي آزمون شده طراحي مي كند. اين سيستم داراي يك زيرساخت توزيع شده بوده و ميتواند به طور دائم داده هاي آزمايش را جمع آوري كند، سيگنال هاي ارتعاش را آناليز كند، مشخصه هاي خطاي بردگاه را استخراج كرده، شكست يا خطاهاي بردگاه را تشخيص داده، در آخر كيفيت بردگاه ها را ارزيابي كند. شبكه عصبي موج ضربه اي كوچك، منطق فازي و شبكه عصبي موج ضربه اي كوچك پويا (ديناميك) به عنوان الگوريتم تشخيص/pro Gnostic بكار گرفته مي شوند.

نمونه چکیده متن اصلی انگلیسی

Abstract

Rolling element bearings are widely used components in industrial equipments and their failure may result in severe damage of critical processes. Bearing plants are required to provide estimated performance data to their customers. These statistically based data are usually got through various testing experiments with product samples via bearing test rig. However, it is usually hard to get convincible results from traditional method due to the limitation of monitoring device and analysis methods. This paper designs an intelligent system for a bearing testing and inspection center of a bearing plant to monitor the health status and' assess thc performance of bearings being tested. The system has a distributed infrastructure and can continually collect testing data, analyze vibration signals, extract features of bearing fault, diagnose bearing faults and further assess the quality of the bearings. Fuzzy logic, wavelet neural network and dynamic wavelet neural network are employed as diagnostic/pro gnostic algorithm.

برچسب‌ها: دانلود رایگان مقالات انگلیسی مهندسی کامپیوتر، دانلود رایگان مقالات انگلیسی مهندسی صنایع، دانلود رایگان مقالات انگلیسی هوش مصنوعی