Informacja

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

Wyszukujesz frazę "Condition analysis" wg kryterium: Temat


Wyświetlanie 1-7 z 7
Tytuł:
Reliability analysis method of coupling optimal importance sampling density and multi-fidelity Kriging model
Autorzy:
Xie, Jiayu
Tian, Zongrui
Zhi, Pengpeng
Zhao, Yadong
Powiązania:
https://bibliotekanauki.pl/articles/24200829.pdf
Data publikacji:
2023
Wydawca:
Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
Tematy:
reliability analysis
multifidelity model
learning function
stopping condition
Opis:
The commonly used reliability analysis approaches for Kriging-based models are usually conducted based on high-fidelity Kriging models. However, high-fidelity surrogate models are commonly costly. Therefore, in order to balance the calculation expense and calculation time of the surrogate model, this paper proposes a multi-fidelity Kriging model reliability analysis approach with coupled optimal important sampling density (OISD+MFK). First, the MEI learning function is proposed considering the training sample distance, model computation cost, expected improvement function, and model relevance. Second, a dynamic stopping condition is proposed that takes into account the failure probability estimation error. Finally, the optimal importance sampling density is incorporated into the reliability analysis process, which can effectively reduce failure probability estimation error. The results of the study show that the approach proposed in this paper can reduce the calculation cost while outputting relatively accurate failure probability evaluation results.
Źródło:
Eksploatacja i Niezawodność; 2023, 25, 2; art. no. 161893
1507-2711
Pojawia się w:
Eksploatacja i Niezawodność
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Predicting motor oil condition using artificial neural networks and principal component analysis
Prognozowanie stanu oleju silnikowego za pomocą sztucznych sieci neuronowych i analizy składowych głównych
Autorzy:
Rodrigues, Joao
Costa, Ines
Farinha, J. Torres
Mendes, Mateus
Margalho, Luis
Powiązania:
https://bibliotekanauki.pl/articles/1841873.pdf
Data publikacji:
2020
Wydawca:
Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
Tematy:
condition monitoring
oil analysis
multivariate analysis
predictive maintenance
monitorowanie stanu
analiza oleju
analiza wielowymiarowa
konserwacja predykcyjna
Opis:
The safety and performance of engines such as Diesel, gas or even wind turbines depends on the quality and condition of the lubricant oil. Assessment of engine oil condition is done based on more than twenty variables that have, individually, variations that depend on the engines’ behaviour, type and other factors. The present paper describes a model to automatically classify the oil condition, using Artificial Neural Networks and Principal Component Analysis. The study was done using data obtained from two passenger bus companies in a country of Southern Europe. The results show the importance of each variable monitored for determining the ideal time to change oil. In many cases, it may be possible to enlarge intervals between maintenance interventions, while in other cases the oil passed the ideal change point.
Bezpieczeństwo i wydajność silników takich, jak silniki Diesla czy gazowe, a nawet turbiny wiatrowe, zależą od jakości i stanu oleju smarowego. Stanu oleju silnikowego ocenia się na podstawie ponad dwudziestu zmiennych, z których każda ulega wahaniom w zależności od typu i zachowania silnika oraz innych czynników. W niniejszym artykule opisano model, który pozwala na automatyczną klasyfikację stanu oleju, z wykorzystaniem sztucznych sieci neuronowych i analizy składowych głównych. Badania przeprowadzono na podstawie danych uzyskanych od dwóch przewoźników pasażerskich działających na terenie jednego z krajów położonych na południu Europy. Wyniki pokazują, że każda z monitorowanych zmiennych ma znaczenie dla określenia idealnego czasu na wymianę oleju. Podczas gdy w wielu przypadkach w badanych przedsiębiorstwach możliwe było zwiększenie odstępów czasowych między działaniami konserwacyjnymi, w innych, idealny moment wymiany oleju został przekroczony.
Źródło:
Eksploatacja i Niezawodność; 2020, 22, 3; 440-448
1507-2711
Pojawia się w:
Eksploatacja i Niezawodność
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Time-frequency Representation -enhanced Transfer Learning for Tool Condition Monitoring during milling of Inconel 718
Autorzy:
Zhou, Yuqing
Sun, Wei
Ye, Canyang
Peng, Bihui
Fang, Xu
Lin, Canyu
Wang, Gonghai
Kumar, Anil
Sun, Weifang
Powiązania:
https://bibliotekanauki.pl/articles/24200823.pdf
Data publikacji:
2023
Wydawca:
Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
Tematy:
tool condition monitoring
time-frequency analysis
Markov Transition Field
transfer learning
Opis:
Accurate tool condition monitoring (TCM) is important for the development and upgrading of the manufacturing industry. Recently, machine-learning (ML) models have been widely used in the field of TCM with many favorable results. Nevertheless, in the actual industrial scenario, only a few samples are available for model training due to the cost of experiments, which significantly affects the performance of ML models. A time-series dimension expansion and transfer learning (TL) method is developed to boost the performance of TCM for small samples. First, a time-frequency Markov transition field (TFMTF) is proposed to encode the cutting force signal in the cutting process to two-dimensional images. Then, a modified TL network is established to learn and classify tool conditions under small samples. The performance of the proposed TFMTF-TL method is demonstrated by the benchmark PHM 2010 TCM dataset. The results show the proposed method effectively obtains superior classification accuracies for small samples and outperforms other four benchmark methods.
Źródło:
Eksploatacja i Niezawodność; 2023, 25, 2; art. no. 165926
1507-2711
Pojawia się w:
Eksploatacja i Niezawodność
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Vibroacoustic study of powertrains operated in changing conditions by means of order tracking analysis
Diagnostyka wibroakustyczna zespołów napędowych pracujących w zmiennych warunkach z wykorzystaniem analizy rzędów
Autorzy:
Pawlik, P.
Lepiarczyk, D.
Dudek, R.
Ottewill, J. R.
Rzeszuciński, P.
Wójcik, M.
Tkaczyk, A.
Powiązania:
https://bibliotekanauki.pl/articles/301095.pdf
Data publikacji:
2016
Wydawca:
Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
Tematy:
order analysis
vibroacoustics
diagnostics
condition monitoring
analiza rzędów
wibroakustyka
diagnostyka
monitorowanie stanu technicznego
Opis:
Very often, simple signal metrics, such as Root Mean Square, Kurtosis or Crest Factor are used to characterize the operating condition of industrial machinery. Variations in the values of these metrics are often thought to be indicative of the presence of a developing fault. However, it may also be observed that often these parameters are also dependent on the operating conditions of the machine. This paper proposes a method for the assessment of the technical condition of powertrain components taking into consideration changes to system loading and rotational speed. The method allows diagnostic parameters to be determined which are independent of the speed or the loading of the power train. This decoupling allows robust condition indicators, independent of operating state, to be determined. The method proposed is based on the order analysis of vibroacoustic signals, properly scaled in terms of amplitude for the loading and rotational speed. A diagnostics experiment was carried out using a laboratory test facility comprised of a motor, a parallel shaft gearbox and a worm gear. Shaft misalignment was simulated for various components at various rotational speeds of the input shaft and different system load conditions.
Do określenia stanu technicznego maszyn przemysłowych bardzo często używane są podstawowe parametry sygnału, takie jak wartość skuteczna (RMS), kurtoza czy współczynnik szczytu. Zmiana tych parametrów w większości przypadków traktowana jest jako zmiana stanu technicznego maszyn. Jednak w niektórych przypadkach może być ona związana również ze zmianą warunków pracy maszyny. W artykule zaproponowano metodę oceny stanu technicznego elementów napędu uwzględniającą zmianę obciążenia układu oraz zmianę prędkości obrotowej. Metoda ta umożliwia wyznaczenie parametrów diagnostycznych, które są niezależne od zmiany prędkości oraz obciążenia układu napędowego. Pozwala to na wyznaczenie wartości krytycznych tych parametrów niezależnych od warunków pracy maszyny. Zaproponowana metoda oparta jest na analizie rzędów sygnału wibroakustycznego odpowiednio przeskalowanej amplitudowo ze względu na obciążenie oraz prędkość obrotową.W celu weryfikacji metody przeprowadzono eksperyment diagnostyczny na stanowisku laboratoryjnym, składającym się z silnika, przekładni walcowej oraz przekładni ślimakowej. Zasymulowana została niewspółosiowość wałów dla różnych podzespołów dla różnych prędkości obrotowych wału wejściowego i różnych obciążeń układu.
Źródło:
Eksploatacja i Niezawodność; 2016, 18, 4; 606-612
1507-2711
Pojawia się w:
Eksploatacja i Niezawodność
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Generative modelling of vibration signals in machine maintenance
Autorzy:
Puchalski, Andrzej Adam
Komorska, Iwona
Powiązania:
https://bibliotekanauki.pl/articles/28086927.pdf
Data publikacji:
2023
Wydawca:
Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
Tematy:
time-frequency analysis
condition monitoring
anomalies detection
deep generative models
variational autoencoder
data distribution
Opis:
The exponential development of technologies for the acquisition, collection, and processing of data from real-world objects is creating new perspectives in the field of machine maintenance. The Industrial Internet of Things is the source of a huge collection of measurement data. The performance of classification or regression algorithms needs to take into account the random nature of the process being modelled and any incomplete observability, especially in terms of failure states. The article highlights the practical possibilities of using generative artificial intelligence and deep machine learning systems to create synthetic measurement observations in monitoring the vibrations of rotating machinery to improve unbalanced databases. Variational AutoencoderVAE generative models with latent variables in the form of high-level input features of time-frequency spectra were studied. The mapping and generation algorithm was optimised and its effectiveness was tested in the practical solution of the task of diagnosing the three operating states of a demonstration gearbox.
Źródło:
Eksploatacja i Niezawodność; 2023, 25, 4; art. no. 173488
1507-2711
Pojawia się w:
Eksploatacja i Niezawodność
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Maintenance policy of degradation components based on the two-phase Wiener process
Autorzy:
Song, Minqiao
Zhang, Yingzhi
Yang, Fang
Wang, Xiaofeng
Guo, Guiming
Powiązania:
https://bibliotekanauki.pl/articles/28328273.pdf
Data publikacji:
2023
Wydawca:
Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
Tematy:
condition-based maintenance
two-phase inspection
two-phase Wiener process
Particle Swarm Optimization
sensitivity analysis
Opis:
This paper proposes a condition-based maintenance policy for the two-phase Wiener degradation process components. The main contribution of this article is to provide the time distribution of degradation failures for the two-phase Wiener process degradationcomponent, as well as the modeling and solving methods for two-phase maintenance. The two-phase maintenance policy includes two-phase inspection and preventive replacement maintenance operations. The established optimization maintenance policy model aims to minimize long-term operation costs. The specific cost calculation equation and the solution method of the maintenance model are given. The feasibility of the maintenance policy model is verified using the two-phase degradation data of the Liquid Coupling Devices. The Particle swarm optimization algorithm can stably solve the described problem, and the results show that the two-phase maintenance policy can be more economical and improve components availability. After that, we also analyzed the impact of the cost parameters on the maintenance policy through sensitivity analysis.
Źródło:
Eksploatacja i Niezawodność; 2023, 25, 4; art. no. 172537
1507-2711
Pojawia się w:
Eksploatacja i Niezawodność
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Tool wear condition monitoring in milling process based on data fusion enhanced long short-term memory network under different cutting conditions
Autorzy:
Zheng, Guoxiao
Sun, Weifang
Zhang, Hao
Zhou, Yuqing
Gao, Chen
Powiązania:
https://bibliotekanauki.pl/articles/2038054.pdf
Data publikacji:
2021
Wydawca:
Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
Tematy:
tool wear condition monitoring
empirical mode decomposition
variational mode decomposition
fourier synchro squeezed transform
neighborhood component analysis
long short-term memory network
Opis:
Tool wear condition monitoring (TCM) is essential for milling process to ensure the machining quality, and the long short-term memory network (LSTM) is a good choice for predicting tool wear value. However, the robustness of LSTM- based method is poor when cutting condition changes. A novel method based on data fusion enhanced LSTM is proposed to estimate tool wear value under different cutting conditions. Firstly, vibration time series signal collected from milling process are transformed to feature space through empirical mode decomposition, variational mode decomposition and fourier synchro squeezed transform. And then few feature series are selected by neighborhood component analysis to reduce dimension of the signal features. Finally, these selected feature series are input to train the bidirectional LSTM network and estimate tool wear value. Applications of the proposed method to milling TCM experiments demonstrate it outperforms significantly SVR- based and RNN- based methods under different cutting conditions.
Źródło:
Eksploatacja i Niezawodność; 2021, 23, 4; 612-618
1507-2711
Pojawia się w:
Eksploatacja i Niezawodność
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