دانلود ترجمه مقاله مجموعه داده سیگنال های صوتی از موتورهای DC بدون جاروبک

1. ارزش داده ها 2. شرح داده ها 3. طراحی آزمایشی، مواد و روش ها

چکیده – در انقلاب صنعتی چهارم، نگهداری و تعمیرات پیش نگر (PdM) از نقش مهمی برخوردار هستند. هدف از اینکار طراحی مدل‌هایی است که بتوانند به طور ایمن نقص سیستم‌ها را پیش از خرابی تشخیص داده و همچنین هزینه‌های مالی، زیست محیطی و عملیاتی را به حداقل برسانند. امروزه، موتورهای الکتریکی بدون جاروبک DC (BLOC) رواج یافته و تا حد زیادی در کاربردهای صنعتی مورد استفاده قرار گرفته اند. از اینرو تحلیل آنها در زمینه PdM تنها یک پیشرفت طبیعی محسوب میشود. تحلیل صوتی روشی موثر برای دستیابی به این امر بوده و به عنوان یک روش بسیار عملی برای مطالعه ویژگی‌های موتورها مطرح می‌شود. هدف اصلی مطالعه حاضر، بررسی وضعیت صدای موتورهای BLOC در حالت‌های خرابی مختلف در نتیجه آزمایشی است که توسط محققان دانشگاه دل کائوکا در کلمبیا صورت گرفته است. مطالعه حاضر، اطلاعات موثری را در رابطه با پردازش سیگنال و توسعه برنامه‌های کاربردی در خصوص یادگیری ماشین در اختیار محققان قرار داده و می تواند به بهبود نگهداری و تعمیرات پیش نگر در انقلاب صنعتی چهارم منجر شود. نگهداری و تعمیرات پیش نگر (PdM) نقش اصلی را در انقلاب صنعتی چهارم بر عهده داشته و هدف آن طراحی مدل‌هایی است که بتوانند به طور ایمن نقص سیستم‌ها را پیش از خرابی تشخیص داده و همچنین هزینه‌های مالی، زیست محیطی و عملیاتی را به حداقل برسانند. همچنین، امروزه موتورهای الکتریکی بدون جاروبک DC (BLOC) رواج یافته و تا حد زیادی در کاربردهای صنعتی مورد استفاده قرار گرفته اند. از اینرو تحلیل آنها در زمینه PdM تنها یک پیشرفت طبیعی محسوب میشود.

Predictive Maintenance (PdM) has a main role in the Fourth Industrial Revolution; its goal is to design models that can safely detect failure in systems before they fail, aiming to reduce financial, environmental, and operational costs. A brushless DC (BLDC) electric motors have increasingly become more popular and been gaining popularity in industrial applications, so their analysis for PdM applications is only a natural progression; audio analysis proves to be a useful method to achieve this and rises as a very pragmatic case of study of the characteristics of the motors. The main goal of this paper is to showcase sound-based behavior of BLDC motors in different failure modes as result of an experiment led by researchers at Universidad del Cauca in Colombia. This dataset may provide researchers with useful information regarding signal processing and the development of Machine Learning applications that would achieve an improvement within Predictive Maintenance and I4.0.Predictive Maintenance (PdM) has a main role in the Fourth Industrial Revolution; its goal is to design models that can safely detect failure in systems before they fail, aiming to reduce financial, environmental, and operational costs. A brushless DC (BLDC) electric motors have increasingly become more popular and been gaining popularity in industrial applications, so their analysis for PdM applications is only a natural progression; audio analysis proves to be a useful method to achieve this and rises as a very pragmatic case of study of the characteristics of the motors. The main goal of this paper is to showcase sound-based behavior of BLDC motors in different failure modes as result of an experiment led by researchers at Universidad del Cauca in Colombia. This dataset may provide researchers with useful information regarding signal processing and the development of Machine Learning applications that would achieve an improvement within Predictive Maintenance and I4.0.

ترجمه این مقاله در 6 صفحه آماده شده و در ادامه نیز صفحه 5 آن به عنوان نمونه قرار داده شده است که با خرید این محصول می توانید، فایل WORD و PDF آن را دریافت نمایید.