ارائه مدلی مبتنی بر شبکه های عصبی برای تشخیص و طبقه بندی خطا در تجهیزات صنعتی
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشکده علوم اقتصادی - دانشکده مدیریت
- نویسنده پریسا دهقان بنادکی
- استاد راهنما محمد باقر منهاج کاوه خلیلی
- سال انتشار 1392
چکیده
تشخیص نقص در مورد بازبینی و بررسی یک سیستم ، شناسایی زمانی که یک نقص روی می دهد و مشخص کردن نوع و مکان نقص می باشد. نقص را می توان به عنوان یک پروسه غیر نرمال یا نشانه غیرنرمال در نظر گرفت مانند فشار بیش از اندازه در یک راکتور یا کیفیت پایین قسمتی از یک کالا. برای بهبود اطمینان ، امنیت و کارایی روش های پیشرفته نظارت و کنترل ، تشخیص نقص به صورت فزاینده ای برای عملیات تکنیکی دارای اهمیت شده است. که این موضوع برای تجهیزاتی مانند قطار، هواپیما ، اتومبیل ، پایگاه های انرژی و پایگاه های شیمیایی نقش حیاتی دارد. کشف نقص جزء اولین مرحله تشخیص نقص میباشد که موضوع این تحقیق است. در این مرحله حالت جدید سیستم مورد بررسی قرار میگیرد و تشخیص داده میشود که آیا حالت نرمال است یا غیرنرمال.در این زمینه مطالعات زیادی انجام شده و روش های کلاسیک و مدرن متعددی به کار رفته است. معیار زمان و دقت در این زمینه دارای اهمیت ویژه ای است و مدلی برتر است که بتواند نقص را با دقت بالاتر و سریع تر از مدلهای دیگر کشف کند . در این تحقیق ما روش های آماری و شبکه عصبی را با توجه به این 2 معیار با هم مقایسه می کنیم. مدل آماری بیزین دوبعدی با 2 مدل شبکه عصبی کوانتیزه نمودن برداری و پرسپترون چندلایه مقایسه می-شود .مدل ها با داده های فرآیند tennessee eastman ارزیابی می شوند . با توجه به نتایج مشخص می شود که مدل های شبکه عصبی بهتر از مدل آماری عمل کرده است . در انتها برای بهبود دقت مدل های شبکه عصبی یک روش انتخاب ویژگی به کار می رود.
منابع مشابه
طراحی یک سیستم هوشمند مبتنی بر شبکه های عصبی و ویولت برای تشخیص آریتمی های قلبی
In this paper, Automatic electrocardiogram (ECG) arrhythmias classification is essential to timely diagnosis of dangerous electromechanical behaviors and conditions of the heart. In this paper, a new method for ECG arrhythmias classification using wavelet transform (WT) and neural networks (NN) is proposed. Here, we have used a discrete wavelet transform (DWT) for processing ECG recordings, and...
متن کاملمدلی برای پیش بینی آسیب پذیری تحصیلی در مقطع کارشناسی مبتنی بر شبکه عصبی
هدف پژوهش حاضر، توسعه مدلی برای پیشبینی شرایط اخراج آموزشی دانشجویان مقطع کارشناسی رشتههای مهندسی بوده که به روش دادهکاوی و با استفاده از الگوریتم شبکه عصبی به اجرا درآمده است. جامعه آماری، دربرگیرنده کلیه پذیرفتهشدگان سالهای 1387 لغایت 1390 در سه مورد از دانشگاههای فنی و مهندسی کشور بوده است. دادههای پژوهش با بهرهبرداری مستقیم از سیستمهای آموزش هر سه دانشگاه در مدلسازی وارد شدند. نت...
متن کاملارزیابی روشهای پیش بینی قمیت سهام و ارائه مدلی غیرخطی بر اساس شبکه های عصبی
در این مقاله با استفاده از اطلاعات سری زمانی قیمت و بازده سهام چند شرکت در بازار بورس تهران، به پیش بینی قیمت سهام و نیز ارائه مدل بهینه پرداخته می شود. روشهای پیش بینی مورد استفاده در تحقیق، به سه دسته تقسیم شده اند: روشهای پیش بینی براساس مدلهای خطی (کوتاه مدت و بلندمدت)، روشهای پیش بینی براساس مدلهای غیرخطی (شبکه های عصبی غیرخطی) و مدل شبکه عصبی با ساختار پیشنهادی، در هر مورد نتایج به دست آم...
متن کاملطراحی یک سیستم هوشمند مبتنی بر شبکه های عصبی و ویولت برای تشخیص آریتمی های قلبی
در این مقاله، یک روش جدید برای طبقهبندی آریتمیهای قلبی بر مبنای تبدیل ویولت و شبکههای عصبی ارائه شده است. از تبدیل ویولت گسسته (dwt) جهت پردازش رکوردهای ecg. و استخراج ویژگیهای زمان – فرکانس استفاده میشود. نتیجهی بدست آمده به عنوان بردار ورودی برای آموزش و تست یک شبکهی عصبی مورد استفاده قرار میگیرد. هر چند که در سالهای اخیر، الگوریتمهای متنوعی برای تشخیص آریتمیهای قلبی پیشنهاد شدهان...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
نوع سند: پایان نامه
وزارت علوم، تحقیقات و فناوری - دانشکده علوم اقتصادی - دانشکده مدیریت
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023