Abstract: N. S. Ranawat, J. Prakash, A. Miglani, P. K. Kankar (2023)

Journal of Computing and Information Science in Engineering, 23(5), 051015p. (2023) DOI:10.1115/1.4062425

Fuzzy Recurrence Plots for Shallow Learning-Based Blockage Detection in a Centrifugal Pump Using Pre-Trained Image Recognition Models

Rags, dusts, foreign particles, etc., are the primary cause of blockage in the centrifugal pump and deteriorate the performance. This study elaborates an experimental and data-driven methodology to identify suction, discharge, and simultaneous occurrence of both blockages. The discharge pressure signals are acquired and denoised using CEEMD. The fuzzy recurrence plots obtained from denoised signals are attempted to classify using three pre-trained models: Xception, GoogleNet, and Inception. None of these models are trained on such images; thus, features are extracted from different pooling layers which include shallow features too. The features extracted from different layers are fed to four shallow learning classifiers: Quadratic SVM, Weighted k-nearest network, Narrow Neural network, and subspace discriminant classifier. The study finds that subspace discriminant achieves the highest accuracy of 97.8% when trained using features from second pooling of Xception model. Furthermore, this proposed methodology is implemented at other blockage conditions of the pump. The subspace discriminant analysis outperforms the other selected shallow classifier with an accuracy of 93% for the features extracted from the first pooling layer of the Xception model. Therefore, this study demonstrates an efficient method to identify pump blockage using pre-trained and shallow classifiers.

Please note: The abstracts of the bibliography database may underly other copyrights.

Ihr Browser versucht gerade eine Seite aus dem sogenannten Internet auszudrucken. Das Internet ist ein weltweites Netzwerk von Computern, das den Menschen ganz neue Möglichkeiten der Kommunikation bietet.

Da Politiker im Regelfall von neuen Dingen nichts verstehen, halten wir es für notwendig, sie davor zu schützen. Dies ist im beidseitigen Interesse, da unnötige Angstzustände bei Ihnen verhindert werden, ebenso wie es uns vor profilierungs- und machtsüchtigen Politikern schützt.

Sollten Sie der Meinung sein, dass Sie diese Internetseite dennoch sehen sollten, so können Sie jederzeit durch normalen Gebrauch eines Internetbrowsers darauf zugreifen. Dazu sind aber minimale Computerkenntnisse erforderlich. Sollten Sie diese nicht haben, vergessen Sie einfach dieses Internet und lassen uns in Ruhe.

Die Umgehung dieser Ausdrucksperre ist nach §95a UrhG verboten.

Mehr Informationen unter www.politiker-stopp.de.