Bài báo này mô tả một sự hợp tác liên ngành công nghiệp/đại học để phát triển một hệ thống mẫu thử nghiệm để cung cấp thời gian thực giám sát của một sân bay mặt đất giao thông vận tải xe với các mục tiêu của việc cải thiện tình trạng sẵn có và giảm thiểu lĩnh vực thất bại bởi ước tính thời gian thích hợp nhất dựa trên điều kiện bảo trì. Phần cứng cho chiếc xe được thiết kế, phát triển và thử nghiệm để theo dõi đặc điểm cửa (điện áp và dòng động cơ mà sẽ mở ra và đóng cửa ra vào và cửa chuyển động thời gian và vị trí), một cách nhanh chóng dự đoán hiệu suất thoái hóa nghiêm trọng, và dự đoán thất bại. Một cách tiếp cận mạng thống kê và thần kinh kết hợp đã được thực hiện. Mạng nơ-ron "học" sự khác biệt trong cửa bộ và có thể được điều chỉnh khá dễ dàng thông qua học tập này. Tín hiệu được xử lý trong thời gian thực và kết hợp với trước giám sát dữ liệu để ước tính, bằng cách sử dụng mạng nơ-ron, điều kiện của cửa thiết lập tương đối so với nhu cầu bảo trì. Hệ thống nguyên mẫu được cài đặt trên một số xe cửa bộ tại sân bay quốc tế Pittsburgh và thử nghiệm thành công cho một vài tháng trong điều kiện hoạt động mô phỏng và thực tế. Kết quả sơ bộ chỉ ra rằng cải thiện độ tin cậy hoạt động và tính sẵn sàng có thể đạt được. Dựa trên một mạng nơ-ron phương pháp tiếp cận để điều kiện bảo trì: trường hợp nghiên cứu về sân bay mặt đất giao thông vận tải xe. Có sẵn từ: https://www.researchgate.net/publication/265024824_A_Neural_Network_Approach_to_Condition_Based_Maintenance_Case_Study_of_Airport_Ground_Transportation_Vehicles [truy cập 21 tháng 1 năm 2016].
đang được dịch, vui lòng đợi..
![](//viimg.ilovetranslation.com/pic/loading_3.gif?v=b9814dd30c1d7c59_8619)