Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "diagnostyka sieci" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-7 z 7
    Tytuł:
    Wykorzystanie sieci neuronowych do identyfikacji pęknięcia stopy zęba
    An identyfication of the degree of the tooth root cracking using the artificial neural network
    Autorzy:
    Łazarz, B.
    Czech, P.
    Powiązania:
    https://bibliotekanauki.pl/articles/328702.pdf
    Data publikacji:
    2004
    Wydawca:
    Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
    Tematy:
    diagnostyka
    przekładnie zębate
    sieci neuronowe
    diagnostics
    toothed gears
    neural networks
    Opis:
    W opracowaniu przedstawiono wyniki eksperymentu mającego na celu próbę zastosowania sztucznej sieci neuronowej jako klasyfikatora stopnia podcięcia zęba w przekładni zębatej. Klasyfikator neuronowy oparto na sztucznej sieci neuronowej typu SVM z jądrem radialnym. Dane wejściowe do klasyfikatora stanowiła macierz złożona z miar statystycznych. Zidentyfikowany model przekładni zębatej stanowiska FZG posłużył do generacji zbiór uczącego i testującego zastosowanego w eksperymencie.
    The work presents results of an experiment that employs the artificial neuronal network in the task of identification of the degree of tooth root cracking. Neural Networks were based on the Support Vector Machine and the radial basis function kernel has been chosen in the experiments. Statistical measures that describe the emergence and degree of tooth gear diagnostic served as input data for the artificial neural networks. The measures employed in the experiment were obtained from signals through the application of a variety of processing methods.
    Źródło:
    Diagnostyka; 2004, 31; 79-88
    1641-6414
    2449-5220
    Pojawia się w:
    Diagnostyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Diagnostyka powierzchni z zastosowaniem sieci neuronowych
    Surface diagnostics with neural net use
    Autorzy:
    Mikołajczyk, T.
    Powiązania:
    https://bibliotekanauki.pl/articles/329268.pdf
    Data publikacji:
    2005
    Wydawca:
    Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
    Tematy:
    diagnostyka powierzchni
    pomiary reflektometryczne
    sieci neuronowe
    surface diagnostics
    reflectometric measure
    neural networks
    Opis:
    W pracy przedstawiono zrealizowany w Katedrze Inżynierii Produkcji ATR Bydgoszcz układ do pomiaru stanu powierzchni metodą reflektometryczną. Opracowany układ zawiera oświetlacz laserowy i odbiornik w postaci diody. Sygnał z diody przesyłany jest do komputera przez kartę AC. W systemie analizy sygnału zastosowano sieć neuronową, którą zastosowano do skalowania układu. Dodatkowymi wejściami sieci są parametry technologiczne procesu. Uzyskane wyniki wskazują na poprawne działanie układu i możliwość jego praktycznego zastosowania do bezstykowej oceny stanu powierzchni.
    In work presents system to surface roughness measure with reflectometric method, realized in Department of Production Engineering Technical & Agriculture University from Bydgoszcz of Poland. The results of reflectometric measure with feed and circle nose edge was used by neural network to investigations influence this parameters on surface roughness parameter. The useful neural network to scaling presented reflectometric stand was defined.
    Źródło:
    Diagnostyka; 2005, 33; 281-284
    1641-6414
    2449-5220
    Pojawia się w:
    Diagnostyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Application of some advanced signal processing techniques for rolling element bearing fault detection
    Zastosowanie zaawansowanych metod analizy sygnału w wykrywaniu uszkodzeń elementów tocznych łożysk
    Autorzy:
    Yiakopoulos, C.
    Antoniadis, I.
    Powiązania:
    https://bibliotekanauki.pl/articles/328017.pdf
    Data publikacji:
    2005
    Wydawca:
    Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
    Tematy:
    diagnostyka łożysk
    ślepa separacja sygnałów
    sieci neuronowe
    defective rolling element bearings
    neural networks
    Opis:
    Vibration response of rotating machines is typically mixed and corrupted by a variety of interfering sources and noise, leading to the necessity for the isolation of the useful signal components. A relevant frequently encountered industrial case is the need for the separation of the vibration responses of the same type of bearings inside the same machine. For this purpose, a Blind Source Separation procedure is applied, based on the maximization of the information transferred in a neural network structure. As has been proven, this approach is quite effective in separating signals with super-Gaussian distributions, as it is the case of the vibration response of defective rolling element bearings. The role of the non-linear sigmoid function used in the neural network of the method is discussed and the Kullback-Leibler information divergence is considered as a tool to adapt this non-linearity to the bearing distributions considered. The effectiveness of the method is demonstrated in an experimental application, where a class of optimum non-linear functions is compared to the classical logistic function.
    Sygnał drganiowy maszyn wirujących jest zazwyczaj zakłócony przez interferujące z nim sygnały innych źródeł oraz zakłócenia, co prowadzi do potrzeby ekstrachowania użytecznych składowych takiego sygnału. Często spotykanym w praktyce przemysłowej przypadkiem jest potrzeba separacji sygnałów drganiowych pochodzących od łożysk tego samego typu znajdujących się w tej samej maszynie. Do tego celu zastosowano procedurę ślepej separacji sygnałów wykorzystującą maksymalizację informacji przenoszonej przez strukturę sieci neuronowej. Zostało udowodnione, że w przypadku analizy sygnału wibroakustycznego generowanego przez uszkodzony element łożyska tocznego, takie podejście do separacji sygnałów może być efektywne przy założeniu ich super-gaussowskiego rozkładu. Rozważono możliwość adaptacji nieliniowej funkcji sigmoidalnej i dywergencji informacji Kullback-Leibler'a jako narzędzi wykrywania nieliniowości w sygnałach. W celu dostosowania nieliniowości do rozkładów sygnałów łożysk wykorzystywano nieliniową funkcję sigmoidalną oraz rozbieżność informacji Kullback-Leibler'a. Efektywność przedstawionej metody została zaprezentowana na przykładzie, w którym klasa optymalnych nieliniowych funkcji jest porównywana z klasycznymi funkcją logistyczną.
    Źródło:
    Diagnostyka; 2005, 36; 33-38
    1641-6414
    2449-5220
    Pojawia się w:
    Diagnostyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Możliwości diagnozowania wybranych uszkodzeń aparatury wtryskowej silnika z zapłonem samoczynnym w oparciu o przebieg wykresu indykatorowego
    The use of indication diagram to diesel engine fuel injection system fault diagnosis
    Autorzy:
    Pawletko, R.
    Powiązania:
    https://bibliotekanauki.pl/articles/329084.pdf
    Data publikacji:
    2005
    Wydawca:
    Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
    Tematy:
    diagnostyka układu wtryskowego
    wykres indykatorowy
    sieci neuronowe
    fuel injection system diagnosis
    indicator diagram
    neural networks
    Opis:
    Tematem publikacji jest określenie możliwości diagnozowania uszkodzeń aparatury wtryskowej silnika okrętowego w oparciu o przebieg wykresu indykatorowego. Algorytm wykrywania uszkodzeń został zbudowany z wykorzystaniem sztucznych sieci neuronowych. Zastosowano sieci neuronowe perceptronowe z algorytmem wstecznej propagacji błędu. W celu weryfikacji algorytmu diagnostycznego przeprowadzono eksperyment czynny na okrętowym silniku spalinowym typu Sulzer 3Al 25/30 w zmiennych warunkach eksploatacji. Dane doświadczalne pozyskano przy pomocy indykatora elektronicznego Unitest 201.
    The paper presents the possibility of diagnosing the fuel injection system of a marine diesel engine basing on a indicator diagram. The algorithm of the faults detection was built with the use of neural networks. The experience data has been collected during the test at the Sulzer 3Al 25/30 engine. The indication diagram has been collected by electronic indicator Unitest 201.
    Źródło:
    Diagnostyka; 2005, 33; 141-144
    1641-6414
    2449-5220
    Pojawia się w:
    Diagnostyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Wykorzystanie sieci neuronowych cp w wibroakustycznej diagnostyce uszkodzeń przekładni zębatej
    Use of cp neural network in vibroacoustic diagnostics of toothed gears failure
    Autorzy:
    Dybała, J.
    Radkowski, S.
    Powiązania:
    https://bibliotekanauki.pl/articles/328698.pdf
    Data publikacji:
    2004
    Wydawca:
    Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
    Tematy:
    selekcja cech
    klasyfikacja obrazów
    sieci neuronowe
    diagnostyka wibroakustyczna
    feature selection
    pattern classification
    neural networks
    vibroacoustic diagnostic
    Opis:
    W artykule przedstawiono sposób zastosowywania neuronowego klasyfikatora zbudowanego na bazie sieci neuronowej z propagacją przeciwną w diagnostyce wibroakustycznej przekładni zębatej. Ponadto, w pracy przedstawiono unikalną metodę selekcji cech stanu obiektu opartą na geometrii przestrzeni obserwacji. W końcowej części artykułu przedstawiono jako przykład wyniki eksperymentu laboratoryjnego.
    The article presents a way of applying a neural classifier constructed on the basis of counter-propagation neural network in vibroacoustic diagnostics of toothed gears. Moreover, in the paper the unique feature selection method of object state is presented. This method is based on geometry of the observation space. In final unit of article the results of laboratory experiment are presented as example.
    Źródło:
    Diagnostyka; 2004, 31; 59-66
    1641-6414
    2449-5220
    Pojawia się w:
    Diagnostyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Zastosowanie sztucznej inteligencji w diagnostyce maszyn
    Application of artifical inteligence in machine diagnostics
    Autorzy:
    Bartol-Smardzewska, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/329334.pdf
    Data publikacji:
    2005
    Wydawca:
    Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
    Tematy:
    diagnostyka techniczna
    system informatyczny
    sieci neuronowe
    sztuczna inteligencja
    technical diagnostics
    computer systems
    neural networks
    artificial intelligence
    Opis:
    W ciągu ostatnich lat wzrasta zapotrzebowanie na diagnostykę techniczną, zmieniły się bowiem radykalnie kryteria oceny obiektów. Pojawiają się nowe zastosowania osiągnięć mikroelektroniki, techniki komputerowej, sieci neuronowych i sztucznej inteligencji, skutecznie wspomagają one możliwości diagnostyki technicznej. To wszystko diametralnie zmienia poglądy i dokonania w obszarze wykrywania i nadzorowania zmian stanu obiektów metodami diagnostyki technicznej. Daje to możliwość nadzorowania zmian stanu, lokalizacji uszkodzeń i minimalizacji skutków uszkodzeń.
    In last few years request of technical diagnostics increase, cause of radically change of object's rate standard. New adoption of achievement of microelectronics, computer technology, neural nets and artificial intelligence succor power of technical diagnostics efficiently. All of that, change diametrically ideas and performance of detection and inspection by technical diagnostics methods of object's state changes. It gives the possibility to inspect changes of state, location of damage and reducing of damage results.
    Źródło:
    Diagnostyka; 2005, 33; 193-198
    1641-6414
    2449-5220
    Pojawia się w:
    Diagnostyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Trendy i problemy w diagnostyce procesów
    Trends and problems in diagnostics
    Autorzy:
    Korbicz, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/328569.pdf
    Data publikacji:
    2004
    Wydawca:
    Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
    Tematy:
    diagnostyka procesów
    model-based structure
    układ z modelem
    obserwator o nieznanych wejściach
    sztuczne sieci neuronowe
    logika rozmyta
    sieci neuronowo-rozmyte
    algorytmy ewolucyjne
    process diagnosis
    unknown input observers
    artificial neural networks
    fuzzy logic
    neuro-fuzzy systems
    evolutionary algorithms
    Opis:
    W ostatnich latach w systemach detekcji i lokalizacji uszkodzeń dla układów dynamicznych stosuje się zintegrowane ilościowe i jakościowe modele informacji, a większość z nich oparta jest na modelach obliczeń inteligentnych. Celem niniejszej pracy jest prezentacja nowych metod i technik analitycznych oraz obliczeń inteligentnych w systemach diagnostyki procesów. Przyjmując strukturę układu diagnostyki z modelem omawia się możliwości stosowania modeli analitycznych, a przede wszystkim obserwatorów o nieznanych wejściach. Szerzej rozpatruje się alternatywne podejścia oparte na wykorzystaniu metod obliczeń inteligentnych, takich jak sztuczne sieci neuronowe, logika rozmyta, sieci neuronowo-rozmyte oraz algorytmy ewolucyjne do rozwiązywania zadań globalnej optymalizacji. Dla zilustrowania efektywności metod sztucznych sieci neuronowych typu GMDH w układach diagnostyki w końcowej części referatu rozpatruje się problem diagnostyki urządzenia wykonawczego w Cukrowni Lublin.
    Recents approaches to Fault Detection and Isolation (FDI) for dynamic systems use methods of integrating quantitative and qualitative model information, and most of these are based on soft computing methods. The purpose of this paper is to present new methods and applications in the field of analytical and soft computing techniques for fault diagnosis of processes. Taking into account the model-based structure of a diagnostics system, possible applications of analytical models, and first of all unknown input observers, are considered. Alternative soft computing methods such as artificial neural networks, fuzzy logic, neuro-fuzzy structures and evolutionary algorithms for global optimization problems are presented and discussed in greater detail. To illustrate the effectiveness of GMDH artificial neural networks in fault diagnosis, an industrial valve actuator system in a sugar factory (Cukrownia Lublin S.A., Poland) is tested.
    Źródło:
    Diagnostyka; 2004, 30, T. 1; 275-286
    1641-6414
    2449-5220
    Pojawia się w:
    Diagnostyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-7 z 7

      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