ذہین تشخیصی نظام کا ماڈل
ہارڈ ویئر کے نظام کے مطابق، مشینی درستگی کی تشخیص کا ماڈل قائم کیا جاتا ہے. ماڈل مختلف پرتوں کے ڈھانچے پر مشتمل ہے، جس میں بنیادی طور پر سگنل ایکوزیشن لیئر، سگنل آؤٹ پٹ لیئر، سگنل ٹرانسفارمیشن لیئر، سگنل کنڈیشنگ لیئر، ڈیٹا ایکوزیشن لیئر، ایکوزیشن سوفٹ ویئر، ڈیٹا اسٹوریج، فیچر ایکسٹرکشن اور یوزر لیئر شامل ہیں۔
ہر حصے کے افعال درج ذیل ہیں:
(1) سگنل کے حصول کی پرت: یہ بنیادی طور پر یہ ہے کہ ہر سینسر نصب شدہ پوزیشن پر پیمائش کرنے والے پوائنٹس سے متعلقہ سگنل جمع کرتا ہے، اور سینسر کے ذریعہ سگنل آؤٹ پٹ سگنل آؤٹ پٹ پرت میں منتقل ہوتے ہیں۔
(2) سگنل ان پٹ پرت: یہ NC مشین ٹول کے ڈسچارج کنڈیشنگ سرکٹ میں سگنل منتقل کرتا ہے، اور سگنل آؤٹ پٹ پرت سگنل کی پیمائش کرنے والے پوائنٹ اور پری پروسیسنگ سرکٹ کو جوڑتی ہے۔
(3) سگنل کی تبدیلی کی پرت: یہ سگنل کی شکل کی تبدیلی کا احساس کر سکتی ہے۔ چونکہ ہر سینسر کی طرف سے اصل سگنل آؤٹ پٹ میں وولٹیج سگنل، مزاحمتی سگنل اور کرنٹ سگنل شامل ہوتے ہیں، ڈیٹا کے حصول کو آسان بنانے کے لیے، ان سگنلز کو سگنل ٹرانسفارمیشن لیئر میں تبدیل کرنے اور یکساں طور پر وولٹیج سگنلز میں تبدیل کرنے کی ضرورت ہوتی ہے۔
(4) سگنل کنڈیشنگ پرت: یہ بنیادی طور پر سگنل کنڈیشنگ کے آلے پر مشتمل ہے۔ چونکہ اصل سگنل بڑی تعداد میں شور کے سگنلز کے ساتھ ملا ہوا ہے، اور اصل سگنل کی قدر نسبتاً کمزور ہے، اس لیے سگنل کنڈیشنگ پرت بنیادی طور پر اصل سگنل کی پرورش اور فلٹرنگ کا احساس کرتی ہے۔
(5) ڈیٹا کے حصول کی پرت: یہ بنیادی طور پر تیز رفتار سگنل کے حصول کا احساس کرنے کے لیے ڈیٹا ایکوزیشن کارڈ پر مشتمل ہے۔
(6) حصول سافٹ ویئر: یہ بنیادی طور پر کمپیوٹر کے خودکار ڈیٹا کے حصول، ٹرانسمیشن، اسٹوریج اور دیگر کاموں کا احساس کرتا ہے۔
(7) ڈیٹا اسٹوریج: یہ ڈیٹا پروسیسنگ کی بنیادی بنیاد ہے، اور ذخیرہ شدہ ڈیٹا کو بعد میں پروسیسنگ میں بلانے کی ضرورت ہے۔
(8) فیچر نکالنا: یہ بنیادی طور پر متعلقہ ٹائم ڈومین فیچرز اور فریکوئنسی ڈومین فیچرز کو بعد میں نیورل نیٹ ورک ٹریننگ کے لیے پروسیس شدہ سگنلز سے نکالتا ہے۔
(9) صارف کی سطح: یہ بنیادی طور پر اعصابی نیٹ ورک ہے جو نکالے گئے ایگن ویلیوز کو تربیت دیتا ہے اور سیکھتا ہے اور فیصلے کے نتائج برآمد کرتا ہے۔
سگنل کی خصوصیت نکالنا
فیچر سلیکشن ویلیو فیچر کی معلومات کو نکالنے کے لیے ڈیجیٹل سگنل کے مختلف تجزیہ اور پروسیسنگ کے طریقوں کا استعمال کرتی ہے جو اصل سگنل سے مشینی درستگی کی تبدیلی کو بہترین طریقے سے ظاہر کر سکتی ہے۔ سینسر کے ذریعہ جمع کردہ اصل سگنل میں بڑی تعداد میں شور سگنل ہوتے ہیں۔ سگنل کی eigenvalue کو مؤثر طریقے سے نکالنے کے لیے، ویولیٹ پیکٹ کو eigenvalue نکالنے کے لیے منتخب کیا جاتا ہے۔