کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
7171323 1463708 2018 8 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Failure detection technique under random fatigue loading by machine learning and dual sensing on symmetric structure
ترجمه فارسی عنوان
تکنیک تشخیص شکست در بارگیری خستگی تصادفی توسط یادگیری ماشین و سنجش دوگانه بر ساختار متقارن
ترجمه چکیده
برای جلوگیری از شکست ناگهانی سازه های مکانیکی تحت بارگذاری مکرر و برای تکمیل روش های معمول برای مدیریت زمان زندگی، ما یک تکنیک تشخیص شکست را در بارگیری خستگی تصادفی با استفاده از یادگیری ماشین و سنجش دوگانه بر ساختار متقارن پیشنهاد می کنیم. وضعیت چنگال که برای بار مواجهه با بالابرها مناسب است، تحت بارگذاری خستگی با استفاده از دو سنسور سینوس دوگانه جمع آوری شد. سویه ها قبل از پردازش و علامت گذاری به عنوان عادی و غیر طبیعی. برای تعیین خط مرزی تصمیم گیری از روش رگرسیون لجستیک استفاده شد. سپس، خطوط مرزی تصمیم گیری هر آزمایش برای تعیین زمان شکست را جمع آوری کردیم و هر آزمایش را با خط مرزی تصمیم گیری محافظه کارانه بررسی کردیم. نتایج نشان می دهد که شکست قبل از وقوع خرابی شناسایی شده است و زمان نگهداری می تواند کنترل شود.
موضوعات مرتبط
مهندسی و علوم پایه سایر رشته های مهندسی مهندسی مکانیک
چکیده انگلیسی
To avoid the sudden failure of mechanical structures under repeated loading and to supplement conventional methods of managing life time, we propose a failure detection technique under random fatigue loading using machine learning and dual sensing on a symmetric structure. The state of a shackle, which is used to connect the cargo to the hoist efficiently, under fatigue loading was collected using two strain sensors of a dual system. The strains were preprocessed and labeled as normal or abnormal. Logistic regression machine learning was employed to determine the decision boundary line. Then, we gathered the decision boundary lines of each experiment for determining the time of failure, and we verified every experiment with the most conservative decision boundary line. The results indicate that failure was detected before the crack occurred and the time to notice maintenance could be controlled.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: International Journal of Fatigue - Volume 114, September 2018, Pages 57-64
نویسندگان
, , , ,