Home
Giới thiệu
Tài khoản
Đăng nhập
Quên mật khẩu
Đổi mật khẩu
Đăng ký tạo tài khoản
Liệt kê
Công trình khoa học
Bài báo trong nước
Bài báo quốc tế
Sách và giáo trình
Thống kê
Công trình khoa học
Bài báo khoa học
Sách và giáo trình
Giáo sư
Phó giáo sư
Tiến sĩ
Thạc sĩ
Lĩnh vực nghiên cứu
Tìm kiếm
Cá nhân
Nội dung
Góp ý
Hiệu chỉnh lý lịch
Thông tin chung
English
Đề tài NC khoa học
Bài báo, báo cáo khoa học
Hướng dẫn Sau đại học
Sách và giáo trình
Các học phần và môn giảng dạy
Giải thưởng khoa học, Phát minh, sáng chế
Khen thưởng
Thông tin khác
Tài liệu tham khảo
Hiệu chỉnh
Số người truy cập: 106,035,991
Steel plates fault diagnosis based on an integration of one-against-one strategy and support vector machines
Tác giả hoặc Nhóm tác giả:
Thi Phuong Trang Pham, Thi Thu Ha Truong
Nơi đăng:
Tạp chí Khoa học và Công nghệ, Đại học Đà Nẵng;
S
ố:
11(120), Quyển 4;
Từ->đến trang
: 95-98;
Năm:
2017
Lĩnh vực:
Kỹ thuật;
Loại:
Bài báo khoa học;
Thể loại:
Trong nước
TÓM TẮT
Phát hiện lỗi đã trở thành một vấn đề quan trọng đối với ngành công nghiệp sản xuất trong những năm qua. Một hệ thống phát hiện lỗi hiệu quả sẽ thúc đẩy chất lượng sản xuất và giảm chi phí kiểm tra sản phẩm. Bài báo này đề xuất một sự kết hợp của chiến lược one-against-one (OAO) và máy học véc-tơ hỗ trợ (SVM) để phát hiện các lỗi của thép tấm. Chiến lược OAO được sử dụng để hỗ trợ SVMs thực hiện đa phân lớp (đó là, OAO-SVM). Sự thể hiện của mô hình đề xuất được so sánh với mô hình SVM dựa trên các thuật toán tối ưu. Kết quả phân tích chỉ ra rằng mô hình OAO-SVM vượt trội các mô hình khác trong việc phát hiện lỗi với độ chính xác tới 86.357% .Kết quả của bài báo này, vì vậy, thể hiện sự kết hợp tiềm năng của chiến lược OAO và mô hình SVM trong việc phân loại các lỗi phổ biến của thép tấm nói riêng và những sản phẩm công nghiệp nói chung
ABSTRACT
Fault diagnosis has been a critical issue in industrial production over years. An effective fault diagnosis system enhances the quality of manufacturing and reduces the cost of product testing. This paper proposes an integration of one-against-one (OAO) strategy and support vector machines (SVM) to diagnose multiple faults of steel plates. The OAO is adopted to address multi-classification tasks in the binary SVM (
i.e
, OAO-SVMs). The performance of the proposed model was compared with that of optimization algorithms-based SVM. Analytical results indicated that the OAO-SVM outperformed other comparative models in fault diagnosis with an accuracy up to 86.357%. The findings of this paper, therefore, shows a potential combination of an OAO strategy and an SVM in sorting common faults of steel plates in particular and industrial products in general.
© Đại học Đà Nẵng
Địa chỉ: 41 Lê Duẩn Thành phố Đà Nẵng
Điện thoại: (84) 0236 3822 041 ; Email: dhdn@ac.udn.vn