کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
7168885 1463035 2018 12 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Dynamic-weighted ensemble for fatigue crack degradation state prediction
ترجمه فارسی عنوان
مجموعه موزون دینامیکی برای پیش‌بینی وضعیت خرابی ناشی از ترک خستگی
کلمات کلیدی
پیش‌بینی و مدیریت سلامت (PHM)، بیزی بازگشتی، مجموعه دینامیکی، خرابی تصادفی چندگانه، رشد ترک خستگی
فهرست مطالب مقاله
چکیده

کلمات کلیدی

1) مقدمه

فهرست علائم و اختصارات

2)رابطه پیش‌بینی پیشنهادی

۲.۱ تکنیک بیزی بازگشتی برای برآورد وضعیت و شناسایی پارامتر

۲.۱.۱ برآورد وضعیت با پارامترهای ثابت

۲.۱.۲ توالی شناسایی پارامتر

۲.۱.۳ پیش‌بینی وضعیت کوتاه‌مدت

۲.۲ مدل‌های رشد ترک خستگی

۲.۲.۱ مدل پاریس-اردوگان

۲.۲.۲ مدل چندجمله‌ای

۲.۲.۳ تابع کلی

۲.۲.۴ تابع برازش منحنی

۲.۳ روش پیش‌بینی مجموعه موزون دینامیکی

3)نتایج و بحث

۳.۱ مطالعه موردی تشریحی رشد ترک خستگی

۳.۲ ارزیابی عملکرد

4)نتیجه‌گیری



 
ترجمه چکیده
این مقاله رابطه‌ای جهت پیش‌بینی بلادرنگ رشد ترک خستگی در تجهیزات صنعتی ارائه می‌دهد. نقش کلیدی آن ترکیب‌سازی تکنیک بیزی بازگشتی و روش مجموعه موزون دینامیکی در یکپارچه‌سازی مدل‌های خرابی تصادفی چندگانه است. برای اثبات کاربرد رابطه پیشنهادی، مطالعه‌ای موردی در ارتباط با رشد ترک خستگی تحت شرایط عملیاتی متغیر با زمان بررسی می‌شود. در نهایت، نتایج نشان می‌دهند که رابطه پیشنهادی در قیاس با مدل‌های منفرد رشد ترک از نظر دقت پیش‌بینی تحت شرایط عملیاتی تکاملی عملکرد بهتری دارد.
موضوعات مرتبط
مهندسی و علوم پایه سایر رشته های مهندسی مهندسی مکانیک
پیش نمایش مقاله
مجموعه موزون دینامیکی برای پیش‌بینی وضعیت خرابی ناشی از ترک خستگی
چکیده انگلیسی
This paper proposes a prognostic framework for online prediction of fatigue crack growth in industrial equipment. The key contribution is the combination of a recursive Bayesian technique and a dynamic-weighted ensemble methodology to integrate multiple stochastic degradation models. To show the application of the proposed framework, a case study is considered, concerning fatigue crack growth under time-varying operation conditions. The results indicate that the proposed prognostic framework performs well in comparison to single crack growth models in terms of prediction accuracy under evolving operating conditions.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Engineering Fracture Mechanics - Volume 194, 1 May 2018, Pages 212-223
نویسندگان
, , ,