Classification of fault diagnosis in a gear wheel by used probabilistic neural network, fast Fourier transform and principal component analysis Klasyfikacja uszkodzeń przekładni zębatych przy wykorzystaniu probabilistycznej sieci neuronowej, szybkiej transformaty Fouriera oraz analizy PCA
This paper presents the results of an experimental application of artificial neural network as a classifier of the degree of cracking of a tooth root in a gear wheel. The neural classifier was based on the artificial neural network of Probabilistic Neural Network type (PNN). The input data for the classifier was in a form of matrix composed of statistical measures, obtained from fast Fourier transform (FFT) and principal component analysis (PCA). The identified model of toothed gear transmission, operating in a circulating power system, served for generation of the teaching and testing set applied for the experiment.
W artykule przedstawiono wyniki z eksperymentów, których celem było wykorzystanie sztucznej sieci neuronowej jako klasyfikatora stopnia pęknięcia u podstawy zębów kół przekładni. W badaniach użyto probabilistycznych sieci neuronowych (PNN). Dane wejściowe dla klasyfikatorów stanowiły miary statystyczne uzyskane z sygnałów drganiowych, przy wykorzystaniu szybkiej transformaty Fouriera (FFT) oraz analizy PCA. Zidentyfikowany model przekładni zębatej, pracującej w układzie napędowym, posłużył jako źródło danych uczących i testujących dla sztucznych sieci neuronowych.
Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies
Informacja
SZANOWNI CZYTELNICY!
UPRZEJMIE INFORMUJEMY, ŻE BIBLIOTEKA FUNKCJONUJE W NASTĘPUJĄCYCH GODZINACH:
Wypożyczalnia i Czytelnia Główna: poniedziałek – piątek od 9.00 do 19.00