Supervised and unsupervised learning process in damage classification of rolling element bearings

Damage classification plays a crucial role in the process of management in nearly every branch of industry. In fact, is becomes equally important as damage detection, since it can provide information of malfunction severity and hence lead to improvement of a production or manufacturing process. Within this paper selected supervised and unsupervised pattern recognition methods are employed for this purpose. The attention of the authors is given to assessment of selection, performance benchmarking and applicability of selected pattern recognition methods. The investigation is performed on the data collected using an experimental test grid and rolling element bearing with deteriorating condition of an outer race.

Klasyfikacja uszkodzeń odgrywa ważną rolę w procesie zarządzania w niemalże każdej gałęzi przemysłu. W rzeczywistości staje się ona równie istotna co samo wykrywanie uszkodzenia ponieważ pozwala określić stopień uszkodzenia, a co za tym idzie, poprawić efektywność zarządzania zakładem przemysłowym. W tym celu wykorzystano wybrane nadzorowane i nienadzorowane metody rozpoznawania wzorców. W artykule zwrócono uwagę na ocenę wyboru, porównanie wydajności oraz możliwości wykorzystania tych metod. Analiza przeprowadzona została na danych zgromadzonyh na eksperymentalnym stanowisku testowym, gdzie obserwowany jest stan łożyska tocznego z pogłębiającym się uszkodzeniem bieżni zewnętrznej.