XiaoMi-AI文件搜索系统
World File Search System多故障
使用...对工业旋转机械进行多故障诊断
摘要：工业 4.0 是智能制造的时代。没有机械，制造就不可能实现。这些机器大部分由旋转部件组成，因此被称为旋转机器。工程师的首要任务是维护这些关键机器，以减少计划外停机并延长机器的使用寿命。预测性维护 (PdM) 是当前智能维护的趋势。PdM 中的挑战性任务是诊断故障类型。随着人工智能 (AI) 的进步，数据驱动的预测性维护方法正朝着智能制造迈进。一些研究人员发表了与旋转机器故障诊断相关的研究成果，主要探讨单一类型的故障。然而，缺乏对旋转机器“多故障诊断”的综合文献综述。需要系统地涵盖从传感器选择、数据采集、特征提取、多传感器数据融合到系统评价多故障诊断中使用的人工智能技术的所有方面。在这方面，本文试图通过使用“系统评价和荟萃分析的首选报告项目”（PRISMA）方法对工业旋转机械多故障诊断的数据驱动方法进行系统文献综述来实现这一点。PRISMA 方法是系统评价和其他荟萃分析的组成和结构的指南集合。本文确定了该领域的基础工作，并对与工业旋转机械多故障诊断相关的不同方面进行了比较研究。本文还确定了主要挑战和研究差距。它利用人工智能的最新进展提供了实现多故障诊断的解决方案，为该领域的未来研究奠定了坚实的基础。
2014 年第 37 届国际信息与... 会议
2014 年第 37 届信息和通信技术、电子学和微电子学国际大会（MIPRO） 微电子学、电子学和电子技术纳米技术，从近代历史到（不）可预测的未来 - 特邀论文 1 J. Turkovic 基于低温（α）和高温（β）GeS 2 晶相的簇共存的光谱证据，位于玻璃状二硫化锗基质中 7 V. Mitsa、R. Holomb、G. Lovas、M. Veres、M. Ivanda、T. Kovach 银胶体纳米粒子的合成和表征及其在表面增强拉曼光谱中的应用 11 L. Mikac、M. Ivanda、M. Gotic、T. Mihelj 碲酸盐玻璃的拉曼光谱 15 H. Gebavi、D. Ristic、V. Djerek、L. Mikec、M. Ivanda、D.用于尖端光子学应用的米兰涂层球形微谐振器 18 D. Ristic、M. Mazzola、A. Chiappini、C. Armellini、A. Rasoloniaina、P. Féron、R. Ramponi、G.N.Conti、S. Pelli、G.C.Righini、G. Cibiel、M. Ivanda、M. Ferrari 使用 THz 时域光谱检查硅材料特性 22 B. Pejcinovic 微带宽度和退火时间对微尺度石墨烯 FET 特性的影响 27 M. Poljak、M. Wang、S. Zonja、V. Djerek、M. Ivanda、K.L.Wang, T. Suligoj 具有优化发射极和电介质的石墨烯基晶体管 33 S. Venica, F. Driussi, P. Palestri, L. Selmi 厚度低于 20 nm 的双栅极锗 MOSFET 中受声子限制的空穴迁移率 39 V. Ivanic, M. Poljak, T. Suligoj 20 nm 栅极体和 SOI FinFET 之间的 RF 性能比较 45 S. Krivec, H. Prgic, M. Poljak, T. Suligoj CMOS 二进制加法器老化的模拟研究 51 T. An, C. Hao, L. Alves de Barros Naviner 多故障下并发检查电路可靠性评估的分析方法 56 T. An, K. Liu, L. Alves de Barros Naviner CMOS 乘法器结构的合成使用多功能电路 60 C. Popa