传感器是非常常用的监测和观察元素在现实世界的应用程序。然而,传感器不能提供解决方案系统,因为传感器获得的数据应该被处理对象的功能。有许多方法来处理工业应用和决策方法。特别是,它是非常重要的智能系统应用状态监测、检测、诊断、预后和预见性维护。

预见性维护主要由四部分组成。这些组件状态监测、检测、诊断和预后的识别异常和错误条件。状态监测是监视一个或几个参数来识别一个意想不到的情况。检测表明如果有异常状态监测系统中使用可观测的影响。诊断检测和确定的过程中,异常的地方。预测和估计预后是有用的和健康状态的系统。

很多预测维修技术已经改进了检测、诊断和预后的缺点在文献中。检测、诊断和预后方法使用测量和使用状态监测数据预处理。然后,预见性维护方法提供一个卫生系统的结果。但系统有许多不确定性和他们影响的性能预测维护方法。因此,智能系统是用来避免这个缺点。预见性维护的流程如下。首先,在任何实际的函数或信号系统状态监测的测量。其次,正常操作或错误操作系统的早期识别确定的异常检测。第三,异常分类正确的赋值可以进行诊断。接下来,可以用来估计或预测预后阶段异常。 Finally, a result is obtained with decision-making.

应该有一些规范高效的预见性维护方法。首先,最低需要信息和传感器。其他规范准确、有信心预测,快速响应和鲁棒性。优化算法,如遗传算法、人工免疫系统和先进的蒙特卡罗方法,学习算法人工神经网络和支持向量机等,如模糊逻辑系统和推理算法,聚类算法,粒子滤波算法,小波分析算法,以及主成分分析算法可以用于预测维护方法。这些方法可以用于数据预处理,特征提取和特征选择。

最后,预测维修方法利用计算智能技术是非常重要的改善生产和制造业和产品质量。如果错误的条件可以确定一个系统的检测,诊断,或预后的早期阶段,大多数问题可以修复。

穆罕默德Karakose