مقاله تشخیص خطا در عملیات گرفتن قطعه توسط ربات مونتاژ کننده با استفاده از روش درخت تصمیم گیری

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

  مقاله تشخیص خطا در عملیات گرفتن قطعه توسط ربات مونتاژ کننده با استفاده از روش درخت تصمیم گیری دارای ۷ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله تشخیص خطا در عملیات گرفتن قطعه توسط ربات مونتاژ کننده با استفاده از روش درخت تصمیم گیری  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله تشخیص خطا در عملیات گرفتن قطعه توسط ربات مونتاژ کننده با استفاده از روش درخت تصمیم گیری،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله تشخیص خطا در عملیات گرفتن قطعه توسط ربات مونتاژ کننده با استفاده از روش درخت تصمیم گیری :

تعداد صفحات:۷

چکیده:

در یک ایستگاه کاری ۱ جهت انجام موثر فعالیت های مونتاژ، نیاز به هماهنگی کلی، نظارت بر عملیات مونتاژ ، تشخیص و بازیافت خطا می باشد . ربات مونتاژ کننده ، فعالیت های حرکت ی جهت گرفتن قطعه، انتقال قطعه ، رها کردن قطعه را انجام می دهد که در هر یک از این فعالیت ها امک ان بروز خطا توسط ربات وجود دارد و نیاز به نظارت، تشخیص و بازیافت خطا وجود دارد . Seabra و همکارش نسبت به جمع آوری داده هایی درخصوص بردارگشتاور و بردار نیروی ربات پس از تشخیص خطا در مسیر گرفتن قطعه، اقدام نمودند که این داده ها براساس شش خصیصه شامل سه مولفه بردار نیرو و سه مولفه بردار گشتاور در حالت سه بعدی در نظر گرفته شد . این مجموعه داده ها در چهار کلاس مختلف تعریف شده است : (۱) کلاس Normal که در آن حرکت ربات ب ه صورت طبیعی ادامه پیدا می کند، Collision (2) که در آن خطای حرکتی ربات همراه با تصادم با مانع می باشد، Fr_collision (3) که در آن ربات تا مرز مانع حرکت می کند و Obstruction (4) که در آن ربات پس از بروز خطا، امکان هیچ گونه فعالیتی ندارد . با توجه به این که روش های الگوریتمی در تشخیص خطای حرکت ربات چندان موثر نمی باشند، درنتیجه سعی شد درخت تصمیم و کلاس های فوق با استفاده از داده های جمع آوری شده ، یادگیری شو ند . به منظور یادگیری درخت تصمیم گیری از سه روش C4.5 وRipperو J.4820 ، C4.5 استفاده شده است . براساس نتایج حاصل، به طور متوسط در چهارکلاس فوق الذکر، براساس روشدرصد خطا ، براساس روش Ripper ، ۲۴,۳۱ درصد خطا و براساس روش ۲۲,۹۹ J.48 درصد خطا وجود دارد که نسبت به دیگر کارها به طور متوسط ۵۰ درصد خطا کاهش یافته است