کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
5469740 1519296 2016 5 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Dynamic Genetic Algorithm-based Feature Selection Scheme for Machine Health Prognostics
ترجمه فارسی عنوان
طرح انتخاب ویژگی های مبتنی بر الگوریتم ژنتیک برای پیشگیری از بیماری های دستگاه
کلمات کلیدی
پیشگیری از بیماری دستگاه انتخاب ویژگی، الگوریتم ژنتیک، تبدیل موجک .،
ترجمه چکیده
این مقاله یک طرح انتخابی غالب برای پیشگیری از عملکرد بالا سلامت دستگاه را پیشنهاد کرد. ویژگی های آماری از طریق فرآیند موجک استخراج شده از زیر حالت های تجزیه شده است. به منظور ارزیابی بردارهای ویژگی استخراج شده، استفاده از الگوریتم ژنتیک مبتنی بر استراتژی پویا برای انتخاب زیر مجموعه های بهینه مطلق بر اساس حداکثر رساندن تابع تناسب استفاده شد. سپس ویژگیهای غالب با کمترین میانگین خطاهای مربع برای پیش بینی عملکرد سلامت دستگاه استفاده شد. نتایج تجربی در مورد پیش بینی طول عمر یک سیستم روتور ارتعاش عدم تعادل نشان داد که روش پیشنهادی می تواند عملکرد پیش آگهی بهتر را با خطاهای پیش بینی کمتر پیش بینی کند.
موضوعات مرتبط
مهندسی و علوم پایه سایر رشته های مهندسی مهندسی صنعتی و تولید
چکیده انگلیسی
This paper proposed a dominant feature selection scheme to enable the high performance prognostics of machine health. Statistical features were extracted from decomposed sub-modes by wavelet transform. Fisher ratio was employed to evaluate the extracted feature vectors, and dynamic searching strategy-based genetic algorithm was used to select the optimal feature subsets on the basis of maximizing the fitness function. Then dominant features with minimum mean square errors were used to predict the performance of machine health. Experimental results on predicting the lifetime of an unbalance vibration rotor system demonstrated that the proposed method can achieve better prognosis performance with less predicting errors.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Procedia CIRP - Volume 56, 2016, Pages 316-320
نویسندگان
, , ,