A novel fault diagnosis strategy for LED lamps via light output time-frequency characteristics analysis and machine learning

Shang, Yuhang; Sun, Fukang; Fang, Qiansheng; Chen, Bailing; Xie, Jianxia

doi:10.1016/j.heliyon.2023.e19737

Search citation statements

Order By: Relevance

Paper Sections

Select...

Citation Types

Supporting

Mentioning

Contrasting

Year Published

2024

Publication Types

Select...

Other1

Article1

Relationship

Self Cite0

Independent2

Authors

Journals

Cited by 2 publications

References 30 publications

Supporting

Mentioning

Contrasting

Order By: Relevance

Enhancing Artificial Lighting Source’s Reliability in Public Libraries: Insights into Failure Analysis and Fault Diagnosis

Chen,

Lin

2024

2024 IEEE International Conference on Prognostics and Health Management (ICPHM)

View full text Add to dashboard Cite

Enhancing Artificial Lighting Source’s Reliability in Public Libraries: Insights into Failure Analysis and Fault Diagnosis

Chen,

Lin

2024

2024 IEEE International Conference on Prognostics and Health Management (ICPHM)

View full text Add to dashboard Cite

Rüzgâr Türbini Yüksek Hızlı Şaft Rulmanının Sağlık Durumu Aşamalarının Derin Öğrenme İle Sınıflandırılması

Öcalan,

Türkoğlu

2024

Journal of Polytechnic

View full text Add to dashboard Cite

Değişken hava koşulları altında kararsız çalışma ortamına sahip rüzgâr türbinlerinde mekanik bileşenler oldukça yüksek yıpranma riski altındadır. Bu durum bileşenlerde ani beklenmedik duruşları ve yüksek bakım maliyetlerini beraberinde getirmektedir. Enerji üretiminde sürekliliği sağlamak, beklenmeyen plansız duruşların önüne geçmek ve bakım maliyetlerini en aza indirgemek amacıyla uygun bakım zamanlarının planlanması oldukça büyük öneme sahiptir. Bundan dolayı bileşende arıza meydana gelmeden önce sağlık sürecinin dikkatli bir şekilde takip edilmesi ve bakım periyotlarının yıpranma sürecine göre planlanması gerekir. Bu makalede, gerçek bir rüzgâr türbini yüksek hızlı şaft rulmanının sağlık durumunun değerlendirilmesine yönelik derin öğrenme tabanlı bir sınıflandırma modeli önerilmiştir. Rüzgâr türbini yüksek hızlı şaftından elde edilen titreşim verilerinin kullanıldığı çalışma temel olarak; titreşim sinyallerinin zaman, frekans ve zaman-frekans özelliklerinin çıkarılması; sağlık sürecini etkin bir şekilde ortaya çıkacak özelliklerin seçilmesi; seçilen özelliklerin bütünleştirilerek sağlık indeksinin oluşturulması; sağlık indeksinin aşamalara bölünerek LSTM derin öğrenme modeli ile sınıflandırılması adımlarından oluşmaktadır. Dört farklı aşamanın sınıflandırıldığı çalışmada %99 oranında doğruluk başarımına ulaşılmıştır.

show abstract

A novel fault diagnosis strategy for LED lamps via light output time-frequency characteristics analysis and machine learning

Cited by 2 publications

References 30 publications

Enhancing Artificial Lighting Source’s Reliability in Public Libraries: Insights into Failure Analysis and Fault Diagnosis

Enhancing Artificial Lighting Source’s Reliability in Public Libraries: Insights into Failure Analysis and Fault Diagnosis

Rüzgâr Türbini Yüksek Hızlı Şaft Rulmanının Sağlık Durumu Aşamalarının Derin Öğrenme İle Sınıflandırılması

Contact Info

Product

Resources

About