دانلود پایان نامه روشهای تشخیص و تفکیک عیوب متداول جعبه دنده ها‎

عنوان پایان نامه : ارائه مدل مقایسه ای بر پایه ارزیابی عملکرد روشهای تشخیص و تفکیک عیوب متداول جعبه دنده ها‎

قالب بندی : PDF

شرح مختصر : امروزه پایش وضعیت تولیدات مکانیکی مخصوصاً ماشین های دوار ، به منظور بالا بردن سطح کیفی و اطمینان از صحت عملکرد آنها ، کاربرد زیادی پیدا کرده است . در این راستا سیستم های مبتنی بر هوش مصنوعی به طور گسترده ای برای یافتن عیوب پیش آمده مورد استفاده قرار گرفته اند . ولی پراکندگی موجود در انواع روش های بکارگرفته شده ، انتخاب یک روش کاربردی را مشکل ساخته است . به همین علت در این پژوهش مطالعه ای بر روی طیف وسیعی از این روش ها که اغلب در سال های اخیر مطرح شده اند ، صورت گرفته است .همچنین در رابطه با پیشینه و تئوری آنها مطالبی بیان شده است . سپس برای یافتن راهکاری مناسب ، مزایا و معایب هر روش در جدول هایی گردآوری شده و در نهایت تحت یک مدل مقایسه ای ارزیابی شده اند . تلاش شده این مزایا و معایب بر پایه ی مکتوبات و مستندات سال های اخیر جمع آوری شود . نتایج نشان می دهد که برای یافتن عیوب یک چرخ دنده ، بکار گیری سیگنال ارتعاشی و آنالیز موجک بسته ای به همراه روش PCA برای انتخاب ویژگی های موثر و شبکه ی عصبی برای تفکیک عیوب ، بسیار مناسب می باشد . در پایان این پژوهش برای یافتن سلامت چرخ دنده ی یک جعبه دنده ی نمونه از توالی روش های گفته شده استفاده گردیده و نتایج آن نشان داده شده است

فهرست :

فصل اول: مقدمه

مقدمه

اهمیت موضوع تحقیق

ضرورت انجام تحقیق

مراحل انجام تحقیق

روشهای موجود و نحوه انجام تحقیق

فصل دوم : کلیات تحقیق

بخش اول : پیشینه تحقیق

مقدمه

روش های پردازش سیگنال

روش های حوزه زمان

روش های حوزه فرکانس

روش های زمان فرکانس

روش های مبتنی بر هوش مصنوعی

بخش دوم : تئوری تحقیق

تئوری تحقیق

نوع سیگنال نمونه برداری ، صوت یا ارتعاش

روش های استخراج ویژگی

روش های حوزه زمان

روش های حوزه فرکانس

روش های زمان فرکانس

تبدیل موجک پیوسته

تبدیل موجک گسسته

تبدیل موجک بسته ای

روش های انتخاب ویژگی

روش الگوریتم ژنتیک

روش IDE

روش PCA

روش های طبقه بندی

روش K نزدیک ترین همسایه

ماشین بردار پشتیبان

شبکه های عصبی

شبکه های شعاع محوری

سیستم استنتاج فازی عصبی تطبیقی

ساختار ANFIS

الگوریتم یادگیری

فصل سوم : ارائه ی مدل مقایسه ای

مقدمه

ضرورت ارائه مدل در روشهای عیب یابی

تفسیر مدل مقایسه ای

گام اول : انتخاب نوع سیگنال برداشت شده ، صوت یا ارتعاش

گام دوم : انتخاب روش استخراج ویژگی به همراه جداول SW

گام سوم : انتخاب روش انتخاب ویژگی به همراه جداول SW

گام چهارم : انتخاب روش طبقه بندی به همراه جداول SW

گام پنجم : ترکیب روشها و مشخص کردن توالی ها

گام ششم : جداول SW سه توالی انتخاب شده

گام هفتم: تحلیل نتایج جداول بر اساس معیارهای هزینه، سرعت ، پیچیدگی و درصد موفقیت

ارائه مدل مقایسه ای یکپارچه در روشهای عیب یابی

فصل چهارم : تجزیه و تحلیل عیوب یک جعبه دنده نمونه

مقدمه

توالی منتخب

داده های نمونه برداری

سیستم داده پرداری

آماده سازی داده ها

استخراج ویژگی

آنالیز موجک بسته ای

بردار ویژگی اولیه

انتخاب ویژگی های موثر

نرمال سازی ویژگی ها

ماتریس ویژگی نهائی

طبقه بندی وضعیت ها

معماری شبکه عصبی

آموزش شبکه

الگوریتم آموزش RP

الگوریتم آموزش SCG

فصل پنجم : نتیجه گیری و پیشنهادات

مراجع

پایان نامه روشهای تشخیص و تفکیک عیوب متداول جعبه دنده ها‎

شرح مختصر : امروزه پایش وضعیت تولیدات مکانیکی مخصوصاً ماشین های دوار ، به منظور بالا بردن سطح کیفی و اطمینان از صحت عملکرد آنها ، کاربرد زیادی پیدا کرده است . در این راستا سیستم های مبتنی بر هوش مصنوعی به طور گسترده ای برای یافتن عیوب پیش آمده مورد استفاده قرار گرفته اند . ولی پراکندگی موجود در انواع روش های بکارگرفته شده ، انتخاب یک روش کاربردی را مشکل ساخته است . به همین علت در این پژوهش مطالعه ای بر روی طیف وسیعی از این روش ها که اغلب در سال های اخیر مطرح شده اند ، صورت گرفته است .همچنین در رابطه با پیشینه و تئوری آنها مطالبی بیان شده است . سپس برای یافتن راهکاری مناسب ، مزایا و معایب هر روش در جدول هایی گردآوری شده و در نهایت تحت یک مدل مقایسه ای ارزیابی شده اند . تلاش شده این مزایا و معایب بر پایه ی مکتوبات و مستندات سال های اخیر جمع آوری شود . نتایج نشان می دهد که برای یافتن عیوب یک چرخ دنده ، بکار گیری سیگنال ارتعاشی و آنالیز موجک بسته ای به همراه روش PCA برای انتخاب ویژگی های موثر و شبکه ی عصبی برای تفکیک عیوب ، بسیار مناسب می باشد . در پایان این پژوهش برای یافتن سلامت چرخ دنده ی یک جعبه دنده ی نمونه از توالی روش های گفته شده استفاده گردیده و نتایج آن نشان داده شده است

فهرست :

فصل اول: مقدمه

مقدمه

اهمیت موضوع تحقیق

ضرورت انجام تحقیق

مراحل انجام تحقیق

روشهای موجود و نحوه انجام تحقیق

فصل دوم : کلیات تحقیق

بخش اول : پیشینه تحقیق

مقدمه

روش های پردازش سیگنال

روش های حوزه زمان

روش های حوزه فرکانس

روش های زمان فرکانس

روش های مبتنی بر هوش مصنوعی

بخش دوم : تئوری تحقیق

تئوری تحقیق

نوع سیگنال نمونه برداری ، صوت یا ارتعاش

روش های استخراج ویژگی

روش های حوزه زمان

روش های حوزه فرکانس

روش های زمان فرکانس

تبدیل موجک پیوسته

تبدیل موجک گسسته

تبدیل موجک بسته ای

روش های انتخاب ویژگی

روش الگوریتم ژنتیک

روش IDE

روش PCA

روش های طبقه بندی

روش K نزدیک ترین همسایه

ماشین بردار پشتیبان

شبکه های عصبی

شبکه های شعاع محوری

سیستم استنتاج فازی عصبی تطبیقی

ساختار ANFIS

الگوریتم یادگیری

فصل سوم : ارائه ی مدل مقایسه ای

مقدمه

ضرورت ارائه مدل در روشهای عیب یابی

تفسیر مدل مقایسه ای

گام اول : انتخاب نوع سیگنال برداشت شده ، صوت یا ارتعاش

گام دوم : انتخاب روش استخراج ویژگی به همراه جداول SW

گام سوم : انتخاب روش انتخاب ویژگی به همراه جداول SW

گام چهارم : انتخاب روش طبقه بندی به همراه جداول SW

گام پنجم : ترکیب روشها و مشخص کردن توالی ها

گام ششم : جداول SW سه توالی انتخاب شده

گام هفتم: تحلیل نتایج جداول بر اساس معیارهای هزینه، سرعت ، پیچیدگی و درصد موفقیت

ارائه مدل مقایسه ای یکپارچه در روشهای عیب یابی

فصل چهارم : تجزیه و تحلیل عیوب یک جعبه دنده نمونه

مقدمه

توالی منتخب

داده های نمونه برداری

سیستم داده پرداری

آماده سازی داده ها

استخراج ویژگی

آنالیز موجک بسته ای

بردار ویژگی اولیه

انتخاب ویژگی های موثر

نرمال سازی ویژگی ها

ماتریس ویژگی نهائی

طبقه بندی وضعیت ها

معماری شبکه عصبی

آموزش شبکه

الگوریتم آموزش RP

الگوریتم آموزش SCG

فصل پنجم : نتیجه گیری و پیشنهادات

مراجع

اموزش تشخیص طبع و مزاج با ساده ترین روش...

به نام خدا

همه ما میتونیم به یقیین بگیم که قدیمی ها تو بعضی از کارها از ما خیلی سر تر بودن که یکی از اون کارا تشخیص مزاج و طبع هر فرد بود که تشخیص اون خیلی اطلاعات به دست میاوردن مثل:

اخلاقیاتش

غذاهایی که بهش میسازه

غذاهایی که بهش نمیسازه

چه چیزهایی بخوره و نخوره و کلی کار دیگه ...

حالا ما اومدیم تو این مجموعه مرحله به مرحله به شما اموزش میدیم تا بتونید خودتون به راحتی مزاج و طبع خودتون رو تشخیص بدین تا در صورت لزوم از اون استفاده کنید....

این مجموعه نظیر فقط و فقط با قیمت 1000 تومن در اختیار شما قرار گرفته تا دیگه مجبور نباشین برای تشخیص طبع و مزاج خودتون پول هنگفت کتب و پزشک های متخصص رو بپردازید...

تشخیص فریب با استفاده از داده کاوی

چکیده:

داده­­کاوی پل ارتباطی میان علم آمار، علم کامپیوتر، هوش مصنوعی، الگوشناسی، فراگیری ماشین داده می باشد. داده کاوی فرآیندی پیچیده جهت شناسایی الگوها و مدلهای صحیح، جدید و به صورت بالقوه مفید، در حجم وسیعی از داده می باشد. اگر امروزه در تجارت از داده کاوی استفاده نشود، آن کسب و کار از چرخه ی رقابت حذف می شود. فریب در سازمان نوعی سوء استفاده مالی از سرمایه سازمان به عمد و غیر قانونی است. فریب به  تجارتی بیلیون دلاری تبدیل گشته که روزانه در حال گسترش است. بهترین گزینه در زمینه­ی تشخیص فریب داده کاوی است. دراین مطالعه در ابتدا به بررسی کلی دانش داده کاوی، سپس به بررسی مفهوم تشخیص فریب در سازمان و چگونگی تشخیص فریب توسط داده کاوی پرداخته شده و در انتها نیز چند مورد از نمونه­های تشخیص فریب با استفاده از داده کاوی بیان شده است. ابزار گردآوری اطلاعات از نوع توصیفی و کتابخانه است. هدف از این مطالعه به دست آوردن دانش در زمینه تشخیص فریب با استفاده از داده کاوی است.

واژگان کلیدی: داده­کاوی، تشخیص فریب، نقش داده کاوی در تشخیص فریب

دانلود پایان نامه روشهای تشخیص و تفکیک عیوب متداول جعبه دنده ها‎

---