使用适应度依赖优化器和神经网络的钢板故障检测
神经与进化计算
2024-05-02 v1
摘要
检测钢板的故障对于确保结构和工业设备的安全和可靠性至关重要。及早检测故障可以防止进一步的损坏和高昂的维修成本。本章旨在使用实验文本数据对钢板进行诊断和预测，以预测钢板发展出故障的可能性。测试了各种机器学习方法，如 GWO 基于和 FDO 基于的 MLP 和 CMLP，用于对钢板进行分类，分为有故障或无故障。实验结果对所有模型都取得了有希望的结果，准确率和性能相似。然而，FDO 基于的 MLP 和 CMLP 模型在所有测试数据集中始终实现了 100% 的准确率。其他模型的结果在不同实验之间有所不同。发现使用 FDO 作为学习算法的模型有望以稍长的运行时间获得更高的准确率。总之，及早检测钢板的故障对于维护安全和可靠性至关重要，机器学习技术可以帮助准确预测和诊断这些故障。
引用
@article{arxiv.2405.00006,
title = {Steel Plate Fault Detection using the Fitness Dependent Optimizer and Neural Networks},
author = {Salar Farahmand-Tabar and Tarik A. Rashid},
journal= {arXiv preprint arXiv:2405.00006},
year = {2024}
}
备注
19 pages