عنوان پایان نامه : ارزیابی عملکرد روشهای تشخیص و تفکیک عیوب متداول جعبه دنده هاقالب بندی : PDFفهرست : فصل اول: مقدمهمقدمهاهمیت موضوع تحقیقضرورت انجام تحقیقمراحل انجام تحقیقروشهای موجود و نحوه انجام تحقیقفصل دوم : کلیات تحقیقبخش اول : پیشینه تحقیقمقدمهروش های پردازش سیگنالروش های حوزه زمانروش های حوزه فرکانسروش های زمان فرکانسروش های مبتنی بر هوش مصنوعیبخش دوم : تئوری تحقیقتئوری تحقیقنوع سیگنال نمونه برداری ، صوت یا ارتعاشروش های استخراج ویژگیروش های حوزه زمانروش های حوزه فرکانسروش های زمان فرکانستبدیل موجک پیوستهتبدیل موجک گسستهتبدیل موجک بسته ایروش های انتخاب ویژگیروش الگوریتم ژنتیکروش IDEروش PCAروش های طبقه بندیروش K نزدیک ترین همسایهماشین بردار پشتیبانشبکه های عصبیشبکه های شعاع محوریسیستم استنتاج فازی عصبی تطبیقیساختار ANFISالگوریتم یادگیریفصل سوم : ارائه ی مدل مقایسه ایمقدمهضرورت ارائه مدل در روشهای عیب یابیتفسیر مدل مقایسه ایگام اول : انتخاب نوع سیگنال برداشت شده ، صوت یا ارتعاشگام دوم : انتخاب روش استخراج ویژگی به همراه جداول SWگام سوم : انتخاب روش انتخاب ویژگی به همراه جداول SWگام چهارم : انتخاب روش طبقه بندی به همراه جداول SWگام پنجم : ترکیب روشها و مشخص کردن توالی هاگام ششم : جداول SW سه توالی انتخاب شدهگام هفتم: تحلیل نتایج جداول بر اساس معیارهای هزینه، سرعت ، پیچیدگی و درصد موفقیتارائه مدل مقایسه ای یکپارچه در روشهای عیب یابیفصل چهارم : تجزیه و تحلیل عیوب یک جعبه دنده نمونهمقدمهتوالی منتخبداده های نمونه برداریسیستم داده پرداریآماده سازی داده هااستخراج ویژگیآنالیز موجک بسته ایبردار ویژگی اولیهانتخاب ویژگی های موثرنرمال سازی ویژگی هاماتریس ویژگی نهائیطبقه بندی وضعیت هامعماری شبکه عصبیآموزش شبکهالگوریتم آموزش RPالگوریتم آموزش SCGفصل پنجم : نتیجه گیری و پیشنهاداتمراجع
ارزیابی عملکرد روشهای تشخیص و تفکیک عیوب متداول جعبه دنده ها
عنوان پایان نامه : ارزیابی عملکرد روشهای تشخیص و تفکیک عیوب متداول جعبه دنده هاقالب بندی : PDFفهرست : فصل اول: مقدمهمقدمهاهمیت موضوع تحقیقضرورت انجام تحقیقمراحل انجام تحقیقروشهای موجود و نحوه انجام تحقیقفصل دوم : کلیات تحقیقبخش اول : پیشینه تحقیقمقدمهروش های پردازش سیگنالروش های حوزه زمانروش های حوزه فرکانسروش های زمان فرکانسروش های مبتنی بر هوش مصنوعیبخش دوم : تئوری تحقیقتئوری تحقیقنوع سیگنال نمونه برداری ، صوت یا ارتعاشروش های استخراج ویژگیروش های حوزه زمانروش های حوزه فرکانسروش های زمان فرکانستبدیل موجک پیوستهتبدیل موجک گسستهتبدیل موجک بسته ایروش های انتخاب ویژگیروش الگوریتم ژنتیکروش IDEروش PCAروش های طبقه بندیروش K نزدیک ترین همسایهماشین بردار پشتیبانشبکه های عصبیشبکه های شعاع محوریسیستم استنتاج فازی عصبی تطبیقیساختار ANFISالگوریتم یادگیریفصل سوم : ارائه ی مدل مقایسه ایمقدمهضرورت ارائه مدل در روشهای عیب یابیتفسیر مدل مقایسه ایگام اول : انتخاب نوع سیگنال برداشت شده ، صوت یا ارتعاشگام دوم : انتخاب روش استخراج ویژگی به همراه جداول SWگام سوم : انتخاب روش انتخاب ویژگی به همراه جداول SWگام چهارم : انتخاب روش طبقه بندی به همراه جداول SWگام پنجم : ترکیب روشها و مشخص کردن توالی هاگام ششم : جداول SW سه توالی انتخاب شدهگام هفتم: تحلیل نتایج جداول بر اساس معیارهای هزینه، سرعت ، پیچیدگی و درصد موفقیتارائه مدل مقایسه ای یکپارچه در روشهای عیب یابیفصل چهارم : تجزیه و تحلیل عیوب یک جعبه دنده نمونهمقدمهتوالی منتخبداده های نمونه برداریسیستم داده پرداریآماده سازی داده هااستخراج ویژگیآنالیز موجک بسته ایبردار ویژگی اولیهانتخاب ویژگی های موثرنرمال سازی ویژگی هاماتریس ویژگی نهائیطبقه بندی وضعیت هامعماری شبکه عصبیآموزش شبکهالگوریتم آموزش RPالگوریتم آموزش SCGفصل پنجم : نتیجه گیری و پیشنهاداتمراجع