Condition monitoring of distributed systems using two-stage Bayesian inference data fusion

در عمل صنعتی، نظارت بر شرایط معمولا به ماشین آلات انتقادی اعمال می شود. یک قطعه خاص ماشین آلات ممکن است سیستم نظارت بر وضعیت خود را داشته باشد که اجازه می دهد که وضعیت سلامتی این قطعه تجهیزات به طور مستقل از هر گونه دارایی های متصل ارزیابی شود. با این حال، ماشین های صنعتی معمولا مجموعه ای از اجزای پیچیده ای هستند که به طور مداوم با یکدیگر همکاری می کنند. در برخی موارد، دینامیک ناشی از ایجاد و توسعه یک گسل می تواند بین مولفه های فردی پخش شود. به عنوان مثال، یک خطا در یک جزء می تواند به افزایش سطح ارتعاش در هر دو جزء معیوب، و نیز در اجزای سالم متصل شود. در چنین مواردی، یک سیستم کنترل وضعیت که بر روی یک عنصر خاص در یک مجموعه متصل شده از اجزای سازنده ممکن است اشتباه نشاندهنده خطا باشد، یا برعکس، ممکن است خطا به علت تعامل یک قطعه تجهیزات با ماشینهای همسایه از دست رفته یا پنهان شود. در چنین مواردی یک رویکرد نظارت کامل در مورد وضعیت که نه تنها می تواند برای چنین تعاملات حساب شود، بلکه استفاده از آنها برای ارائه یک تصویر تشخیص کامل و قطعی از سلامت ماشین آلات بسیار مطلوب است. در این مقاله یک رویکرد استنتاج دو جانبه بیزی که داده ها را از سیستم های مانیتورینگ شرایط جداگانه ترکیب می کند ارائه می شود. داده های سیستم نظارت توزیع شده توزیع شده در دو مرحله، اولین تلفیق داده ها در سطح محلی یا جزء، و ترکیب ترکیب دوم ترکیب در سطح جهانی ترکیب شده است. داده های حاصل از یک وسیله آزمایشی که شامل یک موتور الکتریکی، دو گیربکس و یک بار است که تحت شرایط مختلف گشت زنی عمل می کنند، برای نشان دادن کارایی روش در تعیین دقیق علت ریشه یک مشکل استفاده می شود. نتایج به دست آمده نشان می دهد که این رویکرد در بهبود اطلاعات تشخیصی به دست آمده از هر یک از اجزای مختلف دستگاه نظارت شده است، بنابراین افزایش قابلیت اطمینان ارزیابی سلامت هر عنصر فرد و همچنین کل بخش ماشین آلات.