دسته بندی:

منطق فازی - Fuzzy Logic

---

سال انتشار:

2018

---

ترجمه فارسی عنوان مقاله:

ارائه روشی برای داده محوری در تشخیص خطا با استفاده از تکنیک های خوشه بندی فازی

---

عنوان انگلیسی مقاله:

Proposal of an approach to data driven in fault diagnosis using fuzzy clustering techniques

---

منبع:

Proceeding Series of the Brazilian Society of Applied and Computational Mathematics, v: 6, n: 1, 2018:

---

نویسنده:

Adrian Rodıguez Ramos, Jose M: Bernalde Lazaro, Orestes Llanes-Santiago

---

چکیده انگلیسی:

In this work an approach to design data driven based fault diagnosis systems using fuzzy clustering techniques is presented. In the proposal, the data was first preprocessed using the Noise Clustering algorithm. This permits to eliminate outliers and reduce the confusion as a first part of the classification process. Secondly, the Kernel Fuzzy C-means algorithm was used to achieve greater separability among the classes, and reduce the classification errors. The proposed approach was validated using the nonlinear continuous stirred-tank reactor benchmark problem. The results obtained indicate the feasibility of the proposal.
Keywords: Fault diagnosis | fuzzy clustering | FCM | NC | KFCM.

---

چکیده فارسی:

در این مقاله یک روش برای طراحی سیستم های تشخیص خطای داده محور مبتنی بر تکنیک های خوشه بندی فازی ارائه می شود. در این طرح پیشنهادی، داده ها نخست با استفاده از الگوریتم خوشه بندی نویز، پیش پردازش شدند. این امکان حذف داده های پرت و کاهش درهم ریختگی را به عنوان بخش نخست فرایند دسته بندی فراهم می آورد. دوم اینکه الگوریتم میانگین های C فازی کرنل برای دستیابی به تفکیک پذیری بیشتر میان کلاس ها، و کاستن از خطاهای دسته بندی استفاده شد. روش پیشنهادی با استفاده از مسئله ی غیرخطی محک راکتور مخزنی همزن دار پیوسته ، اعتبارسنجی شد. نتایج حاصله بیانگر عملی بودن طرح پیشنهادی است.
کلیدواژه ها: تشخیص خطا | خوشه بندی فازی | FCM | NC | KFCM.

---

---

---

---

حجم فایل: 544 کیلوبایت

---

قیمت: 40950 تومان   

---

توضیحات اضافی:

---

---

---