دانلود ترجمه مقاله مدلسازی قابلیت اطمینان سنسور در تشخیص خطا بر اساس نظریه شواهد (MDPI ۲۰۱۶) (ترجمه ویژه – طلایی ⭐️⭐️⭐️)

MDPI2

 

 

این مقاله انگلیسی ISI در نشریه MDPI در ۱۳ صفحه در سال ۲۰۱۶ منتشر شده و ترجمه آن ۱۷ صفحه میباشد. کیفیت ترجمه این مقاله ویژه – طلایی ⭐️⭐️⭐️ بوده و به صورت کامل ترجمه شده است.

 

دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
عنوان فارسی مقاله:

مدلسازی قابلیت اطمینان سنسور در تشخیص خطا بر اساس نظریه شواهد

عنوان انگلیسی مقاله:

Modeling Sensor Reliability in Fault Diagnosis Based on Evidence Theory

 

 

مشخصات مقاله انگلیسی (PDF)
سال انتشار ۲۰۱۶
تعداد صفحات مقاله انگلیسی ۱۳ صفحه با فرمت pdf
رشته های مرتبط با این مقاله آمار و برق
گرایش های مرتبط با این مقاله آمار ریاضی، مهندسی کنترل و مهندسی الکترونیک
چاپ شده در مجله (ژورنال) سنسورها – sensors
کلمات کلیدی ترکیب داده های حسگر، قابلیت اطمینان حسگر، تئوری شواهد دمسپتر- شافر، تابع باور، آنتروپی دنگ، عیب شناسی، تضاد و تعارض شواهد
ارائه شده از دانشگاه دانشکده الکترونیک و اطلاعات، دانشگاه پلی تکنیک شمال غربی، چین
نویسندگان Kaijuan Yuan , Fuyuan Xiao , Liguo Fei , Bingyi Kang , Yong Deng
شناسه شاپا یا ISSN ISSN ۱۴۲۴-۸۲۲۰
شناسه دیجیتال – doi https://doi.org/10.3390/s16010113
رفرنس دارد  
کد محصول ۹۳۶۵
لینک مقاله در سایت مرجع لینک این مقاله در نشریه MDPI
نشریه MDPI

 

مشخصات و وضعیت ترجمه فارسی این مقاله (Word)
وضعیت ترجمه انجام شده و آماده دانلود
کیفیت ترجمه ویژه – طلایی ⭐️⭐️⭐️
تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش  ۱۷ صفحه با فونت ۱۴ B Nazanin
ترجمه عناوین تصاویر و جداول ترجمه شده است  
ترجمه متون داخل تصاویر ترجمه شده است 
ترجمه متون داخل جداول ترجمه شده است  
درج تصاویر در فایل ترجمه درج شده است  
درج جداول در فایل ترجمه درج شده است 
درج فرمولها و محاسبات در فایل ترجمه  به صورت عکس درج شده است  
منابع داخل متن  درج نشده است 

 

فهرست مطالب

چکیده

۱- مقدمه

۲- اصول مقدماتی

۱- ۲ تئوری شواهد دمپستر-شافر

۲- ۲ روش ترکیب میانگین وزن دار (موزون)

۳- ۲ آنتروپی دنگ

۴- ۲ روش Fan و Zuo

۳- روش پیشنهادی

۱- ۳ قابلیت اطمینان ایستا

۲- ۳ قابلیت اطمینان پویا

۳- ۳ قابلیت اطمینان جامع حسگر

۴- کاربرد

۵- نتایج

 

بخشی از ترجمه

چکیده

ترکیب داده های حسگر نقش مهمی در عیب شناسی ایفا می نماید. تئوری (نظریه) شواهد دمپستر- شافر (D-R) در عیب شناسی کاربرد وسیعی دارد، زیرا در ترکیب شواهد بدست آمده از حسگرهای مختلف، کارآمد ظاهر می شود. اما، در موقعیت های شواهد ضد و نقیض، نتیجه ای دور از عقل بدست می آید. برای بررسی این مسئله، در این مقاله روش جدیدی پیشنهاد می شود. در اینجا قابلیت اطمینان آماری و پویای حسگر مورد توجه قرار می گیرد. برای دستیابی برای قابلیت اطمینان پویای هر گزارش حسگر، تابع فاصله شواهد و آنتروپی باور باهم ترکیب می شوند. از روش میانگین گیری وزنی برای تغییر شواهد متناقض با تخصیص اوزان متفاوت به شواهد طبق قابلیت اطمینان حسگر استفاده می شود. به خاطر توجه به حجم اطلاعات هر گزارش حسگر، روش پیشنهادی در زمینه مدیریت تعارض و عیب شناسی، عملکرد بهتری به معرض نمایش می گذارد. برای نشان دادن کارایی روش پیشنهادی، یکی از کاربردهای عیب شناسی مبتنی بر ترکیب و تلفیق حسگر شرح داده می شود. نتایج بدست آمده نشان می دهد که در مقایسه با روشهای موجود، روش پیشنهادی، صحت عیب شناسی را از ۱۹٫ ۸۱ درصد به ۴۸٫ ۸۹ درصد افزایش می دهد.

 

۵- نتایج

چگونگی مدلسازی کارآمد قابلیت اطمینان حسگر، عملکرد سیستم ترکیب حسگر را به میزان زیادی تحت تاثیر قرار می دهد. برای بررسی این موضوع، در این مقاله، یک مدل قابلیت اطمینان حسگر جدید مرکب از قابلیت اطمینان پویا وایستا مطرح شده است. خصوصیت پویای قابلیت اطمینان حسگر با تابع فاصله گزارش حسگر و حجم اطلاعات هرگزارش حسگر تعیین می شود. برای بهبود قاعده ترکیب کلاسیکی دمپستر، ضریب تنزیل جدیدی پیشنهاد می شود. برای نشان دادن کارایی روش پیشنهادی، یکی از کاربردهای عیب شناسی شرح داده می شود. به نظر می رسد روش پیشنهادی در مقابله با شواهد متعارض، کارآمدتر ظاهر می شود. به علاوه، طبق نتایج بدست آمده در این مقاله، روش جدید قادر به شناسایی درست عیب و بهبود صحت عیب شناسی از ۸۱٫۱۹ درصد به ۸۹٫۴۸ درصد می باشد.

 

بخشی از مقاله انگلیسی

Abstract

Sensor data fusion plays an important role in fault diagnosis. Dempster–Shafer (D-R) evidence theory is widely used in fault diagnosis, since it is efficient to combine evidence from different sensors. However, under the situation where the evidence highly conflicts, it may obtain a counterintuitive result. To address the issue, a new method is proposed in this paper. Not only the statistic sensor reliability, but also the dynamic sensor reliability are taken into consideration. The evidence distance function and the belief entropy are combined to obtain the dynamic reliability of each sensor report. A weighted averaging method is adopted to modify the conflict evidence by assigning different weights to evidence according to sensor reliability. The proposed method has better performance in conflict management and fault diagnosis due to the fact that the information volume of each sensor report is taken into consideration. An application in fault diagnosis based on sensor fusion is illustrated to show the efficiency of the proposed method. The results show that the proposed method improves the accuracy of fault diagnosis from 81.19% to 89.48% compared to the existing methods.

 

۵- Conclusions

How to efficiently model sensor reliability greatly affects the performance of the sensor fusion system. To address this issue, a new sensor reliability model combining both dynamic reliability and static reliability is presented in this paper. The dynamic property of the sensor reliability is determined by the distance function of the sensor report and the information volume of each sensor report. A new discounting coefficient is proposed to improve the classical Dempster combination rule. An application in fault diagnosis is illustrated to show the efficiency of our proposed method. It seems that our proposed method is more efficient for handling highly conflicting evidence. In addition, from the result obtained in this paper, the new method can identify the fault correctly and improve the accuracy of fault diagnosis from 81.19% to 89.48%.

 

 

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

 

 

دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
عنوان فارسی مقاله:

مدلسازی قابلیت اطمینان سنسور در تشخیص خطا بر اساس نظریه شواهد

عنوان انگلیسی مقاله:

Modeling Sensor Reliability in Fault Diagnosis Based on Evidence Theory

 

 

ارسال دیدگاه

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *