Comparison of support vector machine methods and neural network in the classification of air fan defects and empirical vibration analysis
Comparison of support vector machine methods and neural network in the classification of air fan defects and empirical vibration analysis
Comparison of support vector machine methods and neural network in the classification of air fan defects and empirical vibration analysis
نوع: Type: thesis
مقطع: Segment: masters
عنوان: Title: Comparison of support vector machine methods and neural network in the classification of air fan defects and empirical vibration analysis
ارائه دهنده: Provider: Sajad Khalili Rad
اساتید راهنما: Supervisors: Mehdi Karimi (Ph.D)
اساتید مشاور: Advisory Professors:
اساتید ممتحن یا داور: Examining professors or referees:
زمان و تاریخ ارائه: Time and date of presentation: 2020-9-28
مکان ارائه: Place of presentation: Salon amfi
چکیده: Abstract: In this dissertation, the condition of the cooling fan system in unit 109A of phase 13 of Rajab South Pars has been investigated by vibration analysis method. The proposed methods include 7 steps: data collection, signal processing, feature calculation, feature extraction, feature selection, classification using support vector machine and classification using neural network. First, using the accelerometer sensor, vibration signals related to healthy states, unbalance, bearing failure, belt and pulley misalignment, bearing failure and unbalance combination, bearing failure combination and belt and pulley misalignment were removed and Stored in SPECTRPRO software for data analysis. Divide the time signal taken from each state into 10 subsets, so that from each state 10 to FFT is obtained. Now from 12 statistical properties (including: root mean square, mean, geometric mean, harmonic mean, standard deviation, skewness Corticosis, peak, sum, peak coefficient, shape coefficient, impact coefficient) in time dimension and 12 statistical properties in frequency dimension and 2 entropy properties (permutation entropy, approximate entropy) in time dimension were used to extract the feature. A total of 26 features obtained using statistical methods were limited to 6 features by the ICA dimension reduction method and 6 features by the LDA dimension reduction method. And 2 of the best LDA features have been used to form the smart matrix input matrix. Finally, a 4x60 matrix was obtained, of which 60% of this data was used for training and the other 40% for testing calibration algorithms, and the performance accuracy of both algorithms became very close. In the MLP neural network performance test, the performance of the backup vector machine with radial base kernel function was 95.84. The proposed intelligent algorithm for the laboratory data of Case Western Reserve University of America was also examined for comparison with industrial results. For this purpose, each time signal related to normal states, defective external cannons, defective internal cans and defective bullets was divided into 50 parts and 50 FFTs were taken and expressed using 26 statistical features and application of ICA and LDA as input to intelligent algorithms, neural network testing accuracy and support vector machine was 100%, which indicates the acceptability of the method used. According to the results of the studied algorithms, the combination of LDA and ICA with backup vector machine is proposed as a reliable alternative in future intelligent troubleshooting. Key Words: Vibration analysis, cooling fan, frequency and time domain signal analysis, ICA feature extraction, LDA feature extraction, neural network, support vector machine
به اطلاع می رساند یک شرکت دانش بنیان در اصفهان نیازمند خدمات تحقیقاتی دانش آموختگان رشته های مواد و شیمی بوده و استخدام می کند. علاقمندان جهت کسب اطلاعات بیشتر و هماهنگی با شماره 03133879868 در...
به گزارش بسنا، مراسم افتتاحیه این پروژه با حضور محمدعلی زلفی‌گل وزیر علوم، تحقیقات و فناوری و دکتر علیرضا قاسمی‌فرزاد استاندار همدان، معاونان وزارتخانه‌های علوم و مسئولان استانی و ریاست...
دفتر هدایت استعدادهای درخشان دانشگاه بوعلی‌سینا فهرست اسامی دانشجویان برگزیده آموزشی پژوهشی پانزدهمین همایش سالانه دفتر هدایت استعدادهای درخشان سال ۱۴۰۲ را منتشر کرد. اسامی دانشجویان...
بهراد توتونچی دبیر انجمن علمی دانشجویی مهندسی عمران دانشگاه بوعلی سینا، در جلسه ای با حضور نمایندگان دانشگاه های سراسر کشور، با کسب اکثریت آرا انتخابات، به عنوان دبیر...
در هشتمین نشست از دوره یازدهم هیأت ممیزه دانشگاه بوعلی‌سینا، آقای دکتر علیرضا حاتمی دارای مدرک دکتری در رشته مهندسی برق با ر أ ی اعضاء از مرتبه...
بدینوسیله انتخاب آقای دکتر آرش فتاح الحسینی را به عنوان پژوهشگر برگزیده دانشگاه در گروه فنی و مهندسی به ایشان و خانواده علمی دانشکده مهندسی تبریک عرض نموده و از خداوند متعال...
بدینوسیله انتخاب دو تن از دانشجویان دانشکده مهندسی مهندس راضیه چهارمحالی در مقطع دکتری رشته مهندسی مواد شاخه خوردگی و مهندسی سطح و مهندس امین نظری در مقطع...
بدینوسیله انتخاب سه عضو هیات علمی دانشکده مهندسی جناب آقایان دکتر جواد بهنامیان ، دکتر حسن علم خواه و دکتر محسن گودرزی در...
براساس اطلاعات پایگاه شاخص‌های اساسی علم (ESI)، حضوردکتر محمد حسن مرادی از گروه مهندسی برق دانشکده مهندسی در زمره پژوهشگران پراستناد یک درصد برتر دنیا استمرار پیدا کرد. ...
بدینوسیله انتخاب اعضا محترم هیات علمی سرکار خانم دکتر سموئی (گروه مهندسی صنایع)، جناب آقایان دکتر بابائی (گروه مهندسی عمران)، دکتر حاتمی (گروه مهندسی برق)، دکتر ختن لو (گروه مهندسی...
بدینوسیله انتخاب چهار عضو هیات علمی دانشکده مهندسی جناب آقای دکتر جواد بهنامیان از گروه مهندسی صنایع به عنوان پژوهشگر اول برگزیده، جناب آقای دکتر حسن علم خواه از گروه...
به گزارش بسنا و به نقل از سازمان سنجش، آزمون مرحله نهایی بیست و هشتمین دوره المپیاد علمی دانشجویی کشور با حضور نفرات برگزیده آزمون کارشناسی ارشد (متمرکز) و آزمون غیرمتمرکز المپیاد در دانشگاه‌های...
به اطلاع دانشجویان محترم می رساند سایت کامپیوتر کارشناسی دانشکده مهندسی به دلیل انجام ثبت نام دانشجویان کارشناسی ورودی 1402 از شنبه 1402/7/22 به مدت یک هفته تعطیل می باشد.
به گزارش بسنا و به نقل از معاونت علمی فناوری ریاست جمهوری، در هشتمین دوره تجلیل از سرآمدان علمی کشور در سال ۱۴۰۲ که با حضور معاون علمی و فناوری و اقتصاد دانش‌بنیان رئیس‌جمهور و وزیر علوم...
به اطلاع دانشجویان ورودی جدید تحصیلات تکمیلی (ارشد و دکترا) می رساند، یکشنبه 23 مهر ساعت 11 الی 13 در محل آمفی تئاتر دانشکده مهندسی جلسه معارفه با هیات رییسه دانشکده برگزار می شود. ...
بر اساس اطلاعات جدید نمایه استنادی معتبر scopus ۲۰۲۳، با بررسی مقالات مربوط به ۲۰۲۲، 4 عضو هیات علمی و 1 دانش آموخته دانشکده مهندسی و با بررسی کل مقالات مربوط به سال های مختلف، 1 نفر از اعضای هیات...
نظر به مراتب تعهد، تخصص و تجارب ارزشمند جناب آقای دکتر حسن علم خواه و بنا به پیشنهاد رئیس دانشکده مهندسی، به موجب ابلاغی ایشان با حفظ سمت آموزشی به مدت 2 سال به عنوان...
در حکمی از طرف ریاست دانشگاه آقای دکتر امیرسامان خیرخواه به عنوان مدیر گروه رشته مهندسی صنایع منصوب گردید. در این حکم آمده است : « با احترام و آرزوی توفیق الهی، نظر به مراتب تعهد و تجارب...
در حکمی از طرف ریاست دانشگاه آقای دکتر صالح رازینی به عنوان مدیر گروه رشته مهندسی برق منصوب گردید. در این حکم آمده است : « با احترام و آرزوی توفیق الهی، نظر به مراتب تعهد و تجارب ارزنده...
قابل توجه دانشجویان مصاحبه دکتری: آخرین مهلت شرکت در مصاحبه دکتری برای کلیه رشته ها اعم از برق، کامپیوتر، مواد، صنایع و مکانیک برای دانشجویانی که موفق به انجام مصاحبه...