دانلود مقاله انگلیسی رایگان:تشخیص گسل برای کمپرسورهای مجاور با استفاده از داده های بزرگ و یادگیری ماشین - 2018
دانلود بهترین مقالات isi همراه با ترجمه فارسی 2

با سلام خدمت کاربران در صورتی که با خطای سیستم پرداخت بانکی مواجه شدید از طریق کارت به کارت (6037997535328901 بانک ملی ناصر خنجری ) مقاله خود را دریافت کنید (تا مشکل رفع گردد). 

دانلود مقاله انگلیسی داده های بزرگ رایگان
  • Fault-diagnosis for reciprocating compressors using big data and machine learning Fault-diagnosis for reciprocating compressors using big data and machine learning
    Fault-diagnosis for reciprocating compressors using big data and machine learning

    دسته بندی:

    داده های بزرگ - big data


    سال انتشار:

    2018


    عنوان انگلیسی مقاله:

    Fault-diagnosis for reciprocating compressors using big data and machine learning


    ترجمه فارسی عنوان مقاله:

    تشخیص گسل برای کمپرسورهای مجاور با استفاده از داده های بزرگ و یادگیری ماشین


    منبع:

    Sciencedirect - Elsevier - Simulation Modelling Practice and Theory, 80 (2018) 104-127: doi:10:1016/j:simpat:2017:10:005


    نویسنده:

    Guanqiu Qi a,b, Zhiqin Zhu a,∗, Ke Erqinhu c, Yinong Chen b, Yi Chai d, Jian Sun e,d


    چکیده انگلیسی:

    Reciprocating compressors are widely used in petroleum industry. A small fault in recipro cating compressor may cause serious issues in operation. Traditional regular maintenance and fault diagnosis solutions cannot efficiently detect potential faults in reciprocating com pressors. This paper proposes a fault-diagnosis system for reciprocating compressors. It applies machine-learning techniques to data analysis and fault diagnosis. The raw data is denoised first. Then the denoised data is sparse coded to train a dictionary. Based on the learned dictionary, potential faults are finally recognized and classified by support vector machine (SVM). The system is evaluated by using 5-year operation data collected from an offshore oil corporation in a cloud environment. The collected data is evenly divided into two halves. One half is used for training, and the other half is used for testing. The results demonstrate that the proposed system can efficiently diagnose potential faults in com pressors with more than 80% accuracy, which represents a better result than the current practice.
    Keywords: Reciprocating compressor، Big data ، Cloud computing ، Deep learning ، RPCA ، SVM


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 24
    حجم فایل: 3770 کیلوبایت

    قیمت: رایگان


    توضیحات اضافی:




اگر این مقاله را پسندیدید آن را در شبکه های اجتماعی به اشتراک بگذارید (برای به اشتراک گذاری بر روی ایکن های زیر کلیک کنید)

تعداد نظرات : 0

الزامی
الزامی
الزامی
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی
logo-samandehi
بازدید امروز: 6717 :::::::: بازدید دیروز: 0 :::::::: بازدید کل: 6717 :::::::: افراد آنلاین: 80