در این مقاله، به کمک روشهای تشخیص الگو نوع خطای امپدانس بالا که میتواند بریده شده یا بریده نشده باشد و همچنین سطحی که خطای امپدانس بالا بر روی آن اتفاق افتاده است تشخیص داده شده است. روشهای مذکور عبارتند از: تبدیل TT و تبدیل S در بخش استخراج ویژگی، ماشین بردار تکیه گاه چند لایه و شبکه عصبی Fuzzy ART در بخش کلاسه بندی. در این روشها، ویژگیها شامل انرژی، انحراف از معیار و انحراف مطلق از میانگین هستند که از یک پنجره داده به طول یک سیکل با استفاده از اطلاعات زمان- زمان ماتریس حاصل از تبدیلTT و اطلاعات زمان – فرکانسی ماتریس حاصل از تبدیلS به دست میآیند. سپس این ویژگیها به ماشین بردار تکیه گاه چند لایه و شبکه عصبی Fuzzy ART اعمال میشوند تا نوع خطای امپدانس بالا و سطح تماس تشخیص داده شوند. نتایج حاصل از بکارگیری الگوریتم پیشنهادی بر روی دادههای واقعی بدست آمده از آزمایشهای عملی خطای امپدانس بالا، حاکی از آن است که ویژگیهای استخراج شده از تبدیلTT نسبت به تبدیل S بهتر بوده و همچنین شبکه عصبی Fuzzy ART دارای دقت بیشتری در دسته بندی در برابر ماشین بردار تکیه گاه چند لایه است.
بازنشر اطلاعات | |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License (CC BY NC 4.0) قابل بازنشر است. |