کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4946194 1439277 2017 12 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Evidence fusion-based framework for condition evaluation of complex electromechanical system in process industry
ترجمه فارسی عنوان
چارچوب مبتنی بر فیوژن شواهد برای بررسی وضعیت سیستم الکترومکانیکی پیچیده در صنعت فرآیند
کلمات کلیدی
ارزیابی وضعیت، نظریه شواهد، تلفیق اطلاعات، انتساب احتمال احتمالی، سیستم الکترومکانیکی مجتمع،
ترجمه چکیده
ارزیابی شرایط سیستم های الکترومکانیکی پیچیده در صنعت فرایند یکی از مهمترین اهداف نظارت بر وضعیت است و یک قدم ضروری برای اطمینان از عملکرد ایمن و قابلیت پوشش جامع یک سیستم است. با این وجود، هنوز هم در دستیابی به ارزیابی دقیق از اطلاعات نامطلوب، ناقص و حتی متضاد نظارت بر سیستم، مشکل وجود دارد، و این یک گام کلیدی برای ارزیابی شرایط است. از آنجاییکه نظریه شواهد نشان داده است که کارایی بالایی در اداره اطلاعات نامشخص دارد، چارچوبی مبتنی بر هماهنگی شواهد برای ارزیابی وضعیت در این مقاله برای بهبود اطمینان و دقت تصمیم گیری های ارزیابی با استفاده از ویژگی های استخراج شده از منابع مختلف شواهد ارائه شده است. چارچوب پیشنهادی شامل نکات کلیدی برای ارزیابی شرایط است که توسط داده ها هدایت می شوند و همگرایی مدارک در هسته این روش است. ابتدا قاب تشخیص به صورت خودکار با استفاده از خوشه بندی مبتنی بر سری زمانی ساخته شده است. دوم، یک روش تخمین تراکم هسته بر اساس روش غیر پارامتریک برای تعیین احتمال اساسی مدارک ارائه شده است. پس از ترکیب، شرایط را با استفاده از احتمال قاعده ارزیابی می شود. برای بررسی اثربخشی چارچوب پیشنهادی و مقایسه آن با روش های موجود، نیاز به ارزیابی وضعیت شرایط سیستم های الکترومکانیکی پیچیده در صنعت فرآیند مورد استفاده قرار گرفته است. این چارچوب می تواند مشکلات رایج در ارزیابی وضعیت را حل کند و غلبه بر نقاط ضعف دیگر روش های مشابه مشابه را از آنجایی که توزیع خاصی در نظر گرفته نشده است و دانش قبلی در مورد شرایط سیستم مورد نیاز نیست. علاوه بر این، آن را می توان انعطاف پذیر در بسیاری از برنامه های کاربردی مهندسی استفاده می شود.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
چکیده انگلیسی
Evaluation of the condition of complex electromechanical systems in the process industry is one of the most important purposes of condition monitoring, and is an indispensable step to ensure safe operation and comprehensive coverage capabilities of a system. However, there are still difficulties in obtaining a precise evaluation result from uncertain, incomplete and even conflicting system monitoring data, and this is a key step for condition evaluation. Since evidence theory has shown high efficiency in handling uncertain information, an evidence fusion-based framework for condition evaluation has been presented in this paper to improve the certainty and precision of evaluation decisions by fusing features extracted from different sources of evidence. The proposed framework contains key points for condition evaluation that are driven by data, and evidence fusion is at the core of this method. First, the frame of discernment has been automatically constructed using time-series based clustering. Second, a kernel density estimation based non-parametric method for determining the basic probability assignment of evidence has been proposed. After combination, the conditions can be evaluated using pignistic probability. An actual condition evaluation requirement of complex electromechanical systems in the process industry has been used to verify the effectiveness of the proposed framework and to compare it with existing methods. This framework can handle common problems of condition evaluation and overcome some drawbacks of other existing similar methods since no particular distribution is assumed and a prior knowledge of system conditions is not required. Furthermore, it can be flexibly used in many engineering applications.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Knowledge-Based Systems - Volume 124, 15 May 2017, Pages 176-187
نویسندگان
, , , , ,