Ин таҳқиқот ҳадаф дорад носозиҳои подшипникҳои муҳаррикҳои асинхрониро на танҳо бо такя ба сигнали як сенсор, балки бо арзёбии якҷояи маълумоти ларзиш, ҷараён, шиддат, моменти гардиш ва суръати гардиш ташхис кунад ва раванди фарсудашавии муҳаррикро пешгӯӣ намояд. Муҳаққиқон дар муҳаррики асинхронии сефазаи қафаси санҷобӣ бо қудрати 7,5 kW ҳолати солим, носозии ҳалқаи дохилӣ, носозии ҳалқаи берунӣ ва осеби қафасро дар панҷ сатҳи гуногуни бор омӯхтаанд. Аз сигналҳои ченшуда зиёда аз 200 хусусияти вақтӣ, басомадӣ, гармоникӣ, envelope, wavelet ва MCSA гирифта шуда, пас аз ҳамгироии хусусиятҳои бо коррелятсия роҳнамоишуда классификаторҳои Random Forest, SVM, XGBoost ва MLP муқоиса шудаанд. Қавитарин классификаторҳо Random Forest ва XGBoost буда, Random Forest дақиқии %98,0 ва XGBoost дақиқии %97,0 нишон додааст. Бо вуҷуди ин, натиҷаҳо барои тарҳи озмоишии назоратшаванда ва занҷири коркарди маълумоте, ки дар таҳқиқот сохта шудааст, эътибор доранд; кор муваффақияти мустақими саҳроиро барои навъҳои гуногуни муҳаррик ва шароити воқеии дарозмуддати саноатӣ исбот намекунад.

Навоварии асосии кор танҳо истифодаи сенсорҳои бештар нест. Муҳаққиқон дараҷаи робитаи байни хусусиятҳои аз сенсорҳо гирифташударо бо коррелятсияи Pearson, ченакҳои coherence дар соҳаи басомад ва маълумоти аҳамияти хусусиятҳо арзёбӣ карда, ҳадаф доштанд фазои якҷояи хусусиятҳои бештар фарқкунанда созанд. Ҳамин тавр, таъсири хусусиятҳои хеле ҳамбастае, ки як падидаи физикиро такрор мекунанд, кам карда шуда, хусусиятҳои дорои иттилооти мукаммалкунандаи сенсорҳои гуногун нигоҳ дошта шаванд.

Илова бар марҳилаи ташхис, дар таҳқиқот Degradation Index (DI), яъне нишондиҳандаи пайвастаи саломатӣ бо номи Индекси Фарсудашавӣ дар фосилаи 0 то 1 сохта шудааст. Вақте DI паст аст, система ба ҳолати солим ва вақте баланд аст, ба фарсудашавии ҷиддитар мувофиқат мекунад. Бо истифода аз Gaussian Process Regression (GPR) рушди ояндаи DI ва Remaining Useful Life (RUL; умри боқимондаи муфид) ба таври эҳтимолӣ пешгӯӣ шуда, ҳамзамон номуайянии пешгӯӣ низ ҳисоб карда мешавад.

Аз нигоҳи Туркия, ин кор барои нигоҳдории пешгӯишавандаи муҳаррикҳои барқӣ, хатҳои истеҳсолӣ, насосҳо, вентиляторҳо, конвейерҳо ва барномаҳои монанди мошинҳои гардишкунанда равиши методологии қобили таваҷҷуҳ пешниҳод мекунад. Аммо ҳадҳо, рафтори сенсорҳо ва муваффақияти таснифоти мушаххаси таҳқиқот набояд мустақиман ба қудрати дигари муҳаррик, навъи подшипник, профили бор, ҷойгиршавии сенсор ва садои саҳроӣ интиқол дода шавад. Пеш аз истифода дар корхонаҳои воқеии Туркия, санҷиши дубора мувофиқи мошин ва шароити маҳаллӣ зарур аст.

Масъалаи асосии таҳқиқот чист?

Фарсудашавии подшипник дар муҳаррикҳои асинхронӣ метавонад дар ларзиши механикӣ равшан намоён шавад, аммо таъсири носозӣ танҳо дар сигнали ларзиш боқӣ намемонад. Ҳамин вайроншавии механикӣ метавонад дар гармоникаҳои ҷараён, тағйирёбии моменти гардиш ва тағйироти суръат низ нишона гузорад. Дар муқобил, системаҳои ташхисие, ки ба як сенсор такя мекунанд, метавонанд нисбат ба садо, тағйири бор ё ҳассосияти пасти сенсор ба носозии муайян осебпазир бошанд.

Холигие, ки таҳқиқот ҳадаф қарор медиҳад, ҳамин аст: ба ҷойи танҳо паҳлуи ҳам гузоштани маълумоти сенсорҳое, ки соҳаҳои гуногуни физикиро чен мекунанд, механизми ҳамгироие сохта шавад, ки бо истифода аз робитаҳои оморӣ ва спектралии байни ин сигналҳо муайян кунад кадом хусусиятҳо воқеан иттилооти ташхисӣ доранд.

Системаи бисёрсенсорӣ кадом маълумотро истифода мебарад?

Дар тарҳи озмоиш панҷ бузургии асосии физикӣ якҷоя арзёбӣ шудаанд:

• Ларзиш: акселерометри се меҳварии Kistler 8763B IEPE.
• Ҷараён ва бузургиҳои барқӣ: системаи бисёрканалии ҷамъоварии маълумоти Dewetron.
• Моменти гардиш: табдилдиҳандаи моменти HBK T22.
• Суръати гардиш: тахометри DT-2234C+.
• Шиддат: сигналҳои шиддат аз каналҳои маълумоти барқӣ.

Дар таҳқиқот панҷ ҳолати корӣ — 0, %25, %50, %75 ва %100 бори номиналӣ — истифода шудааст. Чор ҳолати саломатии омӯхташуда Healthy, Inner-Race, Outer-Race ve Damage номгузорӣ шудаанд.

Муҳаррик ва подшипники истифодашуда дар озмоиш

Подшипник бо диаметри дохилии 40 mm, диаметри берунии 80 mm ва паҳнои 18 mm подшипники шарики чуқурканали 6208-ZZ мебошад. Муҳаққиқон таъсири гуногуни ҳолатҳои ҳалқаи дохилӣ, ҳалқаи берунӣ ва қафас/осебро ба сигналҳои ларзиш ва барқӣ арзёбӣ кардаанд.

Занҷири коркарди маълумот чӣ гуна кор мекунад?

Сигналҳои хом аввал бо ҳамворкунии Savitzky–Golay ва филтркунии band-pass коркард шудаанд. Методология нишон медиҳад, ки сигналҳо бо суръати баланди намунагирӣ дар фосилаи 5–20 kHz гирифта шуда, баъдан ба равзанаҳои 1 сония бо %50 ҳампӯшӣ ҷудо шудаанд.

Дар коркарди Savitzky–Golay сигнали ҳамворшуда:

\[ y(t)=\sum_{k=-m}^{m}c_kx(t+k) \]

ифода мешавад. Дар ин ҷо \(x(t)\) сигнали хом, \(c_k\) коэффисиентҳои филтр ва \(m\) андозаи равзанаро нишон медиҳад.

Азбаски воҳид ва бузургии сенсорҳо фарқ мекунанд, нормализатсияи Z-score истифода шудааст:

\[ \hat{x}(t)=\frac{x(t)-\mu}{\sigma} \]

Дар ин ҷо \(\mu\) миёнаи сигнал, \(\sigma\) каҷравии стандартӣ ва \(\hat{x}(t)\) қимати нормализатсияшуда мебошад.

Кадом хусусиятҳо истихроҷ шуданд?

Таҳқиқот дар ҳар равзанаи вақт зиёда аз 200 хусусият ҳосил кардааст. Ба онҳо RMS, қимати peak-to-peak, skewness, kurtosis, crest factor, компонентҳои FFT, энергияи спектралӣ, энтропияи спектралӣ, таҳлили envelope, хусусиятҳои wavelet, гармоникаҳо, параметрҳои вобаста ба slip ва хусусиятҳои Motor Current Signature Analysis (MCSA) дохил мешаванд.

Масалан, RMS:

\[ RMS=\sqrt{\frac{1}{N}\sum_{i=1}^{N}x_i^2} \]

ҳисоб карда мешавад. Дар соҳаи басомад бошад, табдили дискретии Fourier:

\[ X(f)=\sum_{n=0}^{N-1}x_ne^{-j2\pi fn/N} \]

ифода шудааст. Барои омӯзиши носозиҳои подшипник минтақаҳои басомадии хос ба монанди BPFI, BPFO, BSF ва FTF истифода мешаванд.

Ҳамгироии бо коррелятсия роҳнамоишуда чӣ мекунад?

Коэффисиенти коррелятсияи Pearson қувваи робитаи хаттии байни ду хусусиятро чен мекунад:

\[ r=\frac{\sum_{i=1}^{N}(x_i-\bar{x})(y_i-\bar{y})} {\sqrt{\sum_{i=1}^{N}(x_i-\bar{x})^2\sum_{i=1}^{N}(y_i-\bar{y})^2}} \]

Робита дар соҳаи басомад бошад бо coherence:

\[ C_{xy}(f)=\frac{|S_{xy}(f)|^2}{S_{xx}(f)S_{yy}(f)} \]

арзёбӣ шудааст. Дар ин ҷо \(S_{xy}\) зичии спектралии қувваи мутақобил ва \(S_{xx}\), \(S_{yy}\) зичии спектралии қувваи сигналҳои дахлдорро ифода мекунанд.

Коррелятсияҳои гурӯҳҳои сенсорӣ дар таҳқиқот як нуқтаи муҳимро нишон медиҳанд: байни ҷараён ва момент +0,91 робитаи мусбати қавӣ вуҷуд дорад, дар ҳоле ки байни ҷараён ва суръат −0,96, байни момент ва суръат −0,89 робитаи манфии қавӣ мавҷуд аст. Ларзиш ва шиддат нисбат ба гурӯҳҳои дигар коррелятсияи пасттар дошта, иттилооти мукаммалкунанда медиҳанд.

Муодилаи вазнгузории дар манбаъ додашуда:

\[ w_j=\alpha|r_j|^\gamma+\beta\cdot coherence_j+\eta\cdot SHAP_j \]

мебошад. Параметрҳои интихобшуда дар таҳқиқот \(\alpha=0,35\), \(\beta=0,30\), \(\eta=0,20\) ва \(\gamma=0,15\) гузориш шудаанд. Сипас хусусиятҳои вазндор:

\[ F_{enh}=[w_1f_1,w_2f_2,\ldots,w_df_d] \]

ҳамгиро карда шудаанд.

Эзоҳи муҳими дохили манбаъ: Дар бахшҳои хулоса ва муқаддимаи таҳқиқот mutual information низ ҳамчун яке аз ҷузъҳои асосии меъмории ҳамгироӣ тавсиф шудааст. Аммо ифодаи математикии боло Pearson correlation, coherence ва SHAP-ро ошкоро нишон медиҳад ва барои mutual information ҷузъи алоҳида надорад. Илова бар ин, \(\gamma\) дар муодила ҳамчун дараҷа истифода мешавад, вале дар як қисми матн ба маҷмӯи гиперпараметрҳои вазн дохил карда шудааст. Аз ин рӯ, байни формула ва тавсифи шифоҳии усул якмаъноии комил вуҷуд надорад.

Зиёда аз 200 хусусият чӣ гуна кам карда шуд?

Пас аз ҳамгироӣ Principal Component Analysis (PCA) истифода шудааст. Муҳаққиқон гузориш медиҳанд, ки 27 компоненти асосӣ тақрибан %95,8-и дисперсияи умумиро нигоҳ доштаанд. Ҳадаф кам кардани сарбории ҳисоббарорӣ ва такрори хусусиятҳо бо нигоҳ доштани қисми зиёди иттилооти садҳо хусусият буд.

Барои номувозинии синфҳо SMOTE танҳо ба маълумоти омӯзишӣ татбиқ шудааст. Дар таҳқиқот синфи солим тақрибан 2100 намуна ва синфҳои носозӣ тақрибан 700–750 намуна доштаанд; пас аз SMOTE ҳар синфи омӯзишӣ тақрибан то 2100 намуна зиёд карда шудааст.

Дар тасниф кадом модел беҳтар буд?

Random Forest баландтарин дақиқии умумиро таъмин кардааст. XGBoost дар ҷойи дуюм хеле наздик буд. SVM сатҳи миёна ва MLP дар ин таҷриба нишондиҳандаи ба таври равшан пасттар дошт.

Санҷиши Wilcoxon signed-rank нишон дод, ки бартариҳои мушоҳидашудаи Random Forest ва XGBoost нисбат ба SVM ва MLP дар fold-ҳои cross-validation аз ҷиҳати оморӣ аҳамият доранд. Фарқи байни Random Forest ва XGBoost бошад \(p=0,084\) буда, дар ҳади \(p<0,05\), ки таҳқиқот истифода кардааст, аҳамиятнок нест.

Индекси Фарсудашавӣ чӣ гуна сохта мешавад?

Барои гузаштан аз синфҳои алоҳидаи носозӣ дар таҳқиқот Индекси Пайвастаи Фарсудашавӣ муайян шудааст:

\[ DI(t)=\frac{\sum_{i=1}^{M}w_i\hat{f}_i(t)} {\sum_{i=1}^{M}w_i} \]

Дар ин ҷо \(w_i\) вазни хусусияти ташхисии i-ум, \(\hat{f}_i(t)\) қимати хусусияти нормализатсияшуда ва \(M\) шумораи хусусиятҳои истифодашударо нишон медиҳад. DI дар фосилаи 0 то 1 нормализатсия шудааст.

• 0 ≤ DI < 0,3: Минтақаи муқаррарӣ
• 0,3 ≤ DI < 0,7: Минтақаи марзӣ
• 0,7 ≤ DI ≤ 1: Минтақаи интиқодӣ

Дар синфи Damage қимати миёнаи DI бо зиёд шудани бор аз 0,75 то 0,95 боло рафтааст. Дар носозии ҳалқаи берунӣ он аз 0,58 то 0,77 афзудааст. Дар синфи ҳалқаи дохилӣ қиматҳо дар фосилаи 0,51–0,70 мебошанд. Ҳолати солим умуман паст боқӣ мемонад, аммо дар %75 бор 0,31 ва дар %100 бор 0,25 дида мешавад; бинобар ин робитаи бор ва DI дар ҳар синф комилан монотонӣ нест.

Чаро Gaussian Process Regression истифода шудааст?

GPR на танҳо як қимати пешгӯӣ, балки номуайянии пешгӯиро низ истеҳсол мекунад. Дар таҳқиқот миёнаи posterior:

\[ \mu_* = K^T(K+\sigma_n^2I)^{-1}y \]

ва дисперсияи пешгӯӣ:

\[ \sigma_*^2=k_{**}-K^T(K+\sigma_n^2I)^{-1}K \]

ифода шудаанд. \(K\) матритсаи ковариатсия/kernel байни нуқтаҳои омӯзишӣ, \(\sigma_n^2\) дисперсияи садо ва \(y\) қиматҳои ҳадафии мушоҳидашударо нишон медиҳад.

Эҳтимоли он ки DI дар ояндаи муайян аз ҳади носозии \(\tau\) гузарад:

\[ P(DI(t+h)\geq\tau)=1-\Phi\left( \frac{\tau-\mu_*(t+h)}{\sigma_*(t+h)} \right) \]

ҳисоб карда мешавад. Ҳамин тавр, система на танҳо ҳамчун “носоз/солим”, балки бо арзёбии якҷояи самти фарсудашавӣ, умри боқимонда ва номуайянии пешгӯӣ баррасӣ мешавад.

Натиҷаҳое, ки таҳқиқот дастгирӣ мекунад

• Вазнгузории хусусиятҳои аз бисёр сенсорҳо ҳосилшуда ба таври бо коррелятсия роҳнамоишуда ҷудошавии синфҳоро дар маҷмӯи додаҳои таҷрибавии таҳқиқот тақвият дод.
• Random Forest ва XGBoost дар ин маҷмӯи додаҳо нисбат ба SVM ва MLP муваффақияти баландтари тасниф нишон доданд.
• Дақиқии Random Forest 0,980 ва дақиқии XGBoost 0,970 гузориш шудааст.
• Фарқи кори RF ва XGBoost дар санҷиши Wilcoxon-и истифодашуда аз ҷиҳати оморӣ аҳамиятнок нест.
• DI метавонад ҳолатҳои солим ва осеби вазнинтарро дар миқёси пайваста ҷудо кунад.
• Қиматҳои баландтари DI дар натиҷаҳои таҳқиқот умуман бо RUL-и тахминии пасттар вобастаанд.
• GPR дар баробари пешгӯии нуқтавӣ метавонад иттилооти номуайяниро низ пешниҳод кунад.

Натиҷаҳое, ки таҳқиқот исбот намекунад

• Ин таҳқиқот дар ҳамаи муҳаррикҳои асинхронӣ муваффақияти ташхисии %98-ро кафолат намедиҳад.
• Натиҷаҳоро ба синфҳои гуногуни қудрат, навъҳои подшипник ё ҳамаи шароити кори фабрикаҳо мустақиман умумӣ кардан мумкин нест.
• Таҳқиқот дар парки воқеии дарозмуддати завод сатҳи пешгирии носозиро чен накардааст.
• Натиҷаҳои RUL барои ҳар гуна муҳаррик мустақиман умри боқимондаи универсалиро бо соат, рӯз ё моҳ намедиҳанд.
• Таҳқиқот носозии чӯбчаи ротор, носозии печи статор, эксцентриситет ва ҳамаи навъҳои носозии механикиро таҷрибавӣ тасдиқ накардааст.
• Дақиқии баланди тасниф худ аз худ исбот намекунад, ки дар саҳрои воқеӣ ҳамон кор нигоҳ дошта мешавад.

Маҳдудиятҳои муҳими таҳқиқот

Муҳаққиқон зарурати санҷиш бо маҷмӯи додаҳои саноатии калонтар ва воқеитарро ошкоро таъкид мекунанд. Гурӯҳҳои носозии омӯхташуда маҳдуданд ва таҷрибаҳои васеътар бо сабтҳои дарозмуддат лозиманд. Арзиши ҳисоббарории GPR дар додаҳои баландандоза метавонад дар барномаҳои вақти воқеӣ мушкили миқёспазирӣ эҷод кунад. Муҳаққиқон инчунин ҳамгироии attention/Transformer, sparse Gaussian process, моделҳои физикаогоҳ, domain adaptation ва барномаҳои edge/embedded-ро самтҳои рушди оянда медонанд.

Эзоҳи мутобиқати методологии дохили манбаъ: Дар хулоса гуфта мешавад, ки ҷудокунии маълумот “time-aware” аст ва temporal leakage-ро пешгирӣ мекунад. Аммо дар бахши усул ҷудокунии 70/30 омӯзиш-test ва тақсими тасодуфии маълумоти омӯзишӣ ба 10 fold тавсиф шудааст. Тафсилоти амалии ин ду тавсиф дар манбаъ пурра мувофиқ карда нашудааст. Аз ин рӯ, аз матни манбаъ ба таври якмаъно муайян кардан мумкин нест, ки leakage-и вобаста ба вақт бо кадом тартиби мушаххас пешгирӣ шудааст.

Усул ва Натиҷаҳои Таҳқиқот

Шароити озмоиш ва ҷамъоварии маълумот

Натиҷаҳои коркарди сигнал

Дар графикҳои сигналҳои хом ва филтршуда дар саҳифаҳои 19–23-и кори манбаъ рафтори ҷараён, ларзиш, момент ва суръат вобаста ба сатҳи бор ва синфи носозӣ муқоиса шудааст. Хусусан филтркунӣ каҷравии стандартиро дар сигналҳои суръат ва момент ба таври равшан кам кардааст. Масалан, коҳиши каҷравии стандартӣ барои Damage-Speed %89,10, барои Healthy-Speed %88,56, барои InnerRace-Speed %87,94 ва барои OuterRace-Speed %87,62 дода шудааст. Коҳиш дар сигнали момент бошад вобаста ба синф тақрибан %48–55 аст.

Аммо дар баъзе сигналҳои ҷараён қиматҳои “Avg_Std_Reduction_Percent” каме манфӣ гузориш шудаанд. Аз ин рӯ гуфтан мумкин нест, ки филтркунӣ дар ҳамаи сенсорҳо ҳамеша каҷравии стандартиро яксамта коҳиш медиҳад.

Фазои хусусиятҳо пеш ва пас аз ҳамгироӣ

Дар визуализатсияҳои t-SNE-и таҳқиқот синфҳои Healthy ва Outer-Race ҳатто пеш аз ҳамгироӣ нисбатан хуб ҷудо буданд. Кластерҳои мушкилтари Inner-Race ва Damage пас аз ҳамгироӣ муназзамтар ва зичтар шудаанд. Ин натиҷаи визуалӣ бо натиҷаҳои тасниф мувофиқ аст, ки ҳамгироӣ махсусан фарқкунии синфҳои носозии ба ҳам наздикро беҳтар кардааст.

Чаро Random Forest ва XGBoost пешсаф шуданд?

Accuracy, precision, recall ва F1-и Random Forest ва XGBoost ба ҳам наздик ва баланданд. Дар confusion matrix-ҳои таҳқиқот Random Forest барои синфҳои Healthy, Inner-Race ва Outer-Race ҷудокунии хеле қавӣ нишон дод; иштибоҳи асосии боқимонда байни Damage ва Inner-Race буд. XGBoost низ натиҷаҳои ба ҳамин монанд қавӣ дод.

SVM-RBF омехташавии бештари синфҳоро нишон дод, дар ҳоле ки MLP махсусан дар ҷудокунии Damage ва Outer-Race заифтар монд. Натиҷаҳои ROC низ ҳамин тартибро дастгирӣ мекунанд.

DI ва RUL якҷоя чиро нишон медиҳанд?

Бо афзоиши DI, пешгӯиҳои RUL дар таҳқиқот умуман кам мешаванд. Синфи солим дар минтақаи DI пасттарин ва RUL баландтарин, синфи Damage бошад дар минтақаи DI баландтарин ва RUL пасттарин ҷойгир аст. Inner-Race ва Outer-Race байни ин ду ифротанд.

Дар мисолҳои силсилаи вақтӣ дар манбаъ, дар %100 бор DI-и ҳолати Healthy паст ва нисбатан устувор мемонад, дар ҳоле ки дар ҳолати Damage DI ба сатҳи баланд ҳаракат мекунад, RUL кам мешавад ва хавфи ҳисобшуда зиёд мегардад. Муҳаққиқон ин робитаро натиҷаи асосии прогностикӣ мешуморанд, ки нишон медиҳад фарсудашавиро пайваста назорат кардан мумкин аст.

Ҳади тафсири илмӣ

Ин натиҷаҳо ба чорчӯбаи додаасосе тааллуқ доранд, ки бо маълумоти сенсории таҷрибавии назоратшаванда омӯзонида ва арзёбӣ шудааст. Таҳқиқот нишон намедиҳад, ки усул дар шароити гуногуни бренд, қудрат, подшипник, бор, ҳарорат, монтаж ва садои фабрикаи воқеӣ бо ҳамон дақиқӣ кор мекунад. Барои истифодаи воқеии саҳроӣ омӯзиши дубораи хоси мошин, калибровкаи ҳадҳо ва санҷиши дарозмуддат лозим аст.

Эзоҳи Манбаъ ва Усул

Номи пурраи аслии таҳқиқот: Correlation-Driven Multisensory Fusion for Intelligent Fault Analysis in Induction Motors

Муаллифон: Vasileios I. Vlachou; Karolina Kudelina; Dimitrios E. Efstathiou; Stavros D. Vologiannidis; Tatjana Baraškova; Veroonika Shirokova; Theoklitos S. Karakatsanis.

Тартиби муаллифон: Тартиби дар манбаъ додашуда айнан нигоҳ дошта шудааст.

Ҳиссаи баробар/муаллифи якуми баробар: Дар манбаъ изҳороти ҳиссаи баробар ё муаллифи якуми баробар нишон дода нашудааст.

Муаллифи масъул: Karolina Kudelina.

Муассисаҳо:

1. School of Electrical and Computer Engineering, National Technical University of Athens, Athens, Greece.
2. Applied Mechanics and Sustainable Energy Technology Research Group, Virumma College, Tallin University of Technology, Kohtla-Järve, Estonia.
3. Department of Computer, Informatics and Telecommunications, International Hellenic University, Serres, Greece.
4. Department of Production and Management Engineering, Democritus University of Thrace, Xanthi, Greece.

Маҷалла: Machines.

Ношир: MDPI, Basel, Switzerland.

Ҷилд/шумора/рақами мақола: 14(6), 606.

DOI: 10.3390/machines14060606.

Навъи манбаъ: Мақолаи таҳқиқотии тақризшуда.

Ирсол: 25 Апрел 2026.

Таҳрир: 25 Май 2026.

Қабул: 26 Май 2026.

Нашр: 28 Май 2026.

Литсензия: Creative Commons Attribution (CC BY).

Маблағгузорӣ: Таҳқиқот маблағгузории беруна нагирифтааст.

Дастрасии маълумот: Муаллифон гуфтаанд, ки саҳмҳои аслӣ дар дохили мақола ҷой доранд ва саволҳои иловагӣ метавонанд ба муаллифи масъул фиристода шаванд.

Бархӯрди манфиатҳо: Муаллифон изҳор кардаанд, ки бархӯрди манфиатҳо вуҷуд надорад.

Ҳиссагузории муаллифон: Консептуализатсия V.I.V.; усул V.I.V., K.K., D.E.E., S.D.V., T.B., V.S. ва T.S.K.; нармафзор V.I.V.; санҷиш V.I.V., K.K., D.E.E., S.D.V., T.B., V.S. ва T.S.K.; таҳлили формалӣ V.I.V.; таҳқиқот V.I.V., K.K., D.E.E., S.D.V., T.B., V.S. ва T.S.K.; куратсияи маълумот V.I.V.; тарҳи аввал V.I.V., K.K., D.E.E., S.D.V., T.B., V.S. ва T.S.K.; бозбинӣ/таҳрир K.K., D.E.E. ва T.S.K.; визуализатсия V.I.V., K.K., D.E.E., S.D.V., T.B., V.S. ва T.S.K.; назорат K.K. ва T.S.K.

Сабти расмии нашр: MDPI Machines, Volume 14, Issue 6, Article 606; рақами сабти DOI дар боло дода шудааст.

Ин шарҳи Verianla аз ҷиҳати илмӣ танҳо ба усул, формулаҳо, ҷадвалҳо, шаклҳо ва натиҷаҳои таҳқиқоти баррасишуда такя мекунад. Санҷиши беруна танҳо барои шахсияти библиографӣ, ҳолати нашр ва литсензия истифода шудааст; ба мазмуни асосии илмӣ натиҷаи таҷрибавии беруна илова нашудааст.

Номувофиқиҳои дохили манбаъ: (1) Ибораи “time-aware data splitting” дар хулоса бо тавсифи 70/30 ва random 10-fold дар бахши усул пурра мувофиқ нест. (2) Дар меъмории ҳамгироӣ mutual information ба таври шифоҳӣ таъкид мешавад, вале дар муодилаи вазнгузорӣ барои он ҷузъи алоҳидаи ошкор дида намешавад. (3) Дар баъзе шарҳҳои миёнаравии усул номгузории тағйирёбандаҳои сенсорӣ ба гурӯҳҳои ҷараён, суръат, момент, ларзиш ва шиддати таҷрибаи асосӣ пурра мувофиқ нест. (4) Оптимизатсияи гиперпараметрҳо дар як ҷой бо grid-search ва cross-validation тавсиф мешавад, вале дар параграфи баъдӣ Adam ҳамчун “алгоритми асосии оптимизатсия” муайян шудааст. Ин нуқтаҳо чунон ки дар манбаъ ҳастанд нигоҳ дошта шудаанд ва дар матни Verianla бо итминони сохта ислоҳ нашудаанд.

Гарчанде таҳқиқот санҷиши муҳими таҷрибавӣ ва додаасос пешниҳод мекунад, барои паркҳои хеле васеътари муҳаррикҳо, навъҳои иловагии носозӣ, сабтҳои дарозмуддати саҳроӣ ва шароити тағйирёбандаи воқеии саноатӣ санҷиши иловагӣ лозим аст.