تشخيص الأعطال الجديد لمحامل التدحرج بناءً على مجال انتقال ماركوف والشبكات العصبية التلافيفية

محامل التدحرج هي مكون حيوي في الآلة الدورانية، ومن الضروري بشكل خاص ضمان تشغيلها بشكل طبيعي. بالإضافة إلى ذلك، فإن اختيار ميزات من فئات مختلفة سيضيف عدم يقين وتحامل على نتائج التصنيف. من أجل تقليل تأثير هذه العوامل على تشخيص العطل، تم اقتراح طريقة جديدة تتعلم تلقائيًا ميزات البيانات مجتمعة مع مجال انتقال ماركوف (MTF) والشبكة العصبية التلافيفية (CNN) في هذا البحث، وهو ما يسمى MTF-CNN. يساهم MTF في تحويل السلاسل الزمنية الأصلية إلى أشكال correspondiente، وتستخدم CNN لاستخراج معلومات الميزات العميقة في الشكل لإتمام تشخيص العطل. تم التحقق من فعالية الطريقة المقترحة من خلال مجموعتين من البيانات العامة. تُظهر النتائج التجريبية أن MTF-CNN يمكن أن يصنف أنواعًا مختلفة من الأعطال، ويمكن أن تصل أعلى نسبة دقة إلى 100%. وبالمثل، فإن دقة التصنيف لهذه الطريقة أعلى من بعض الطرق القائمة.