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 "health indicator" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-5 z 5
    Tytuł:
    A novel method of health indicator construction and remaining useful life prediction based on deep learning
    Autorzy:
    Zhan, Xianbiao
    Liu, Zixuan
    Yan, Hao
    Wu, Zhenghao
    Guo, Chiming
    Jia, Xisheng
    Powiązania:
    https://bibliotekanauki.pl/articles/27312791.pdf
    Data publikacji:
    2023
    Wydawca:
    Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
    Tematy:
    stacked sparse autoencoder
    health indicator
    long short-term memory network
    remaining useful life prediction
    Opis:
    The construction of health indicators (HI) for traditional deep learning requires human training labels and poor interpretability. This paper proposes an HI construction method based on Stacked Sparse Autoencoder (SSAE) and combines SSAE with Long short-term memory (LSTM) network to predict the remaining useful life (RUL). Extracting features from a single domain may result in insufficient feature extraction and cannot comprehensively reflect the degradation status information of mechanical equipment. In order to solve the problem, this article extracts features from time domain, frequency domain, and time-frequency domain to construct a comprehensive original feature set. Based on monotonicity, trendiness, and robustness, the most sensitive features from the original feature set are selected and put into the SSAE network to construct HI for state partitioning, and then LSTM is used for RUL prediction. By comparing with the existing methods, it is proved that the prediction effect of the proposed method in this paper is satisfied.
    Źródło:
    Eksploatacja i Niezawodność; 2023, 25, 4; art. no. 171374
    1507-2711
    Pojawia się w:
    Eksploatacja i Niezawodność
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Degradation assessment of bearing based on machine learning classification matrix
    Autorzy:
    Kumar, Satish
    Kumar, Paras
    Kumar, Girish
    Powiązania:
    https://bibliotekanauki.pl/articles/1841739.pdf
    Data publikacji:
    2021
    Wydawca:
    Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
    Tematy:
    degradation state
    health condition indicator
    machine learning
    diagnostic model
    prognostic model
    Opis:
    In the broad framework of degradation assessment of bearing, the final objectives of bearing condition monitoring is to evaluate different degradation states and to estimate the quantitative analysis of degree of performance degradation. Machine learning classification matrices have been used to train models based on health data and real time feedback. Diagnostic and prognostic models based on data driven perspective have been used in the prior research work to improve the bearing degradation assessment. Industry 4.0 has required the research in advanced diagnostic and prognostic algorithm to enhance the accuracy of models. A classification model which is based on machine learning classification matrix to assess the degradation of bearing is proposed to improve the accuracy of classification model. Review work demonstrates the comparisons among the available state-of-the-art methods. In the end, unexplored research technical challenges and niches of opportunity for future researchers are discussed.
    Źródło:
    Eksploatacja i Niezawodność; 2021, 23, 2; 395-404
    1507-2711
    Pojawia się w:
    Eksploatacja i Niezawodność
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Prediction of remaining useful life for lithium-ion battery with multiple health indicators
    Autorzy:
    Su, Chun
    Chen, Hongjing
    Wen, Zejun
    Powiązania:
    https://bibliotekanauki.pl/articles/1841757.pdf
    Data publikacji:
    2021
    Wydawca:
    Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
    Tematy:
    lithium-ion (Li-ion) battery
    remaining useful life
    RUL
    health indicator
    HI
    generalized regression neural network (GRNN)
    non-linear autoregressive (NAR)
    Opis:
    Lithium-ion (Li-ion) battery has become a primary energy form for a variety of engineering equipments. To ensure the equipments’ reliability, it is crucial to accurately predict Liion battery’s remaining capacity as well as its remaining useful life (RUL). In this study, we propose a novel method for Li-ion battery’s online RUL prediction, which is based on multiple health indicators (HIs) and can be derived from the battery’s historical operation data. Firstly, four types of indirect HIs are built according to the battery’s operation current, voltage and temperature data respectively. On this basis, a generalized regression neural network (GRNN) is presented to estimate the battery’s remaining capacity, and the nonlinear autoregressive approach (NAR) is applied to predict the battery’s RUL based on the estimated capacity value. Furthermore, to reduce the interference, twice wavelet denoising are performed with different thresholds. A case study is conducted with a NASA battery dataset to demonstrate the effectiveness of the method. The result shows that the proposed method can obtain Li-ion batteries’ RUL effectively.
    Źródło:
    Eksploatacja i Niezawodność; 2021, 23, 1; 176-183
    1507-2711
    Pojawia się w:
    Eksploatacja i Niezawodność
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Prediction of remaining useful life for lithium-ion battery with multiple health indicators
    Autorzy:
    Su, Chun
    Chen, Hongjing
    Wen, Zejun
    Powiązania:
    https://bibliotekanauki.pl/articles/1841833.pdf
    Data publikacji:
    2021
    Wydawca:
    Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
    Tematy:
    lithium-ion (Li-ion) battery
    remaining useful life (RUL)
    health indicator (HI)
    generalized regression neural network (GRNN)
    non-linear autoregressive (NAR)
    Opis:
    Lithium-ion (Li-ion) battery has become a primary energy form for a variety of engineering equipments. To ensure the equipments’ reliability, it is crucial to accurately predict Liion battery’s remaining capacity as well as its remaining useful life (RUL). In this study, we propose a novel method for Li-ion battery’s online RUL prediction, which is based on multiple health indicators (HIs) and can be derived from the battery’s historical operation data. Firstly, four types of indirect HIs are built according to the battery’s operation current, voltage and temperature data respectively. On this basis, a generalized regression neural network (GRNN) is presented to estimate the battery’s remaining capacity, and the nonlinear autoregressive approach (NAR) is applied to predict the battery’s RUL based on the estimated capacity value. Furthermore, to reduce the interference, twice wavelet denoising are performed with different thresholds. A case study is conducted with a NASA battery dataset to demonstrate the effectiveness of the method. The result shows that the proposed method can obtain Li-ion batteries’ RUL effectively.
    Źródło:
    Eksploatacja i Niezawodność; 2021, 23, 1; 176-183
    1507-2711
    Pojawia się w:
    Eksploatacja i Niezawodność
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    An algorithm for estimating the effect of maintenance on aggregated covariates with application to railway switch point machines
    Algorytm do oceny wpływu konserwacji na zagregowane zmienne towarzyszącei jego zastosowanie w odniesieniu do kolejowych napędów zwrotnicowych
    Autorzy:
    Babishin, Vladimir
    Taghipour, Sharareh
    Powiązania:
    https://bibliotekanauki.pl/articles/300882.pdf
    Data publikacji:
    2019
    Wydawca:
    Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
    Tematy:
    virtual health indicator
    virtual age
    maintenance effectiveness
    preventive and corrective maintenance
    Cox-Weibull hazard function
    proportional hazards model
    wirtualny wskaźnik stanu technicznego
    wiek wirtualny
    skuteczność konserwacji
    konserwacja zapobiegawcza i korygująca
    funkcja hazardu Coxa–Weibulla
    model proporcjonalnego hazardu
    Opis:
    We propose an algorithm for estimating the effectiveness of maintenance on both age and health of a system. One of the main contributions is the concept of virtual health of the device. It is assumed that failures follow a nonhomogeneous Poisson process (NHPP) and covariates follow the proportional hazards model (PHM). In particular, the effect of maintenance on device’s age is estimated using the Weibull hazard function, while the effect on device’s health and covariates associated with condition-based monitoring (CBM) is estimated using the Cox hazard function. We show that the maintenance effect on the health indicator (HI) and the virtual HI can be expressed in terms of the Kalman filter concepts. The HI is calculated from Mahalanobis distance between the current and the baseline condition monitoring data. The effect of maintenance on both age and health is also estimated. The algorithm is applied to the case of railway point machines. Preventive and corrective types of maintenance are modelled as different maintenance effect parameters. Using condition monitoring data, the HI is calculated as a scaled Mahalanobis distance. We derive reliability and likelihood functions and find the least squares estimates (LSE) of all relevant parameters, maintenance effect estimates on time and HI, as well as the remaining useful life (RUL).
    W artykule zaproponowano algorytm służący do szacowania skuteczności utrzymania ruchu w odniesieniu do wieku i stanu technicznego (kondycji) systemu. Główny wkład proponowanej metody stanowi koncepcja wirtualnego stanu urządzenia. Metoda zakłada, że uszkodzenia można zamodelować za pomocą niejednorodnego procesu Poissona, a zmienne towarzyszące za pomocą modelu proporcjonalnego hazardu. Mówiąc precyzyjniej, wpływ konserwacji na wiek urządzenia szacuje się z wykorzystaniem funkcji hazardu Weibulla, natomiast wpływ na stan urządzenia i zmienne towarzyszące związane z monitorowaniem stanu ocenia się stosując funkcję hazardu Coxa. W artykule pokazujemy, że wpływ konserwacji na wskaźnik stanu i wskaźnik stanu wirtualnego można wyrazić w kategoriach filtra Kalmana. Wskaźnik stanu oblicza się na podstawie odległości Mahalanobisa między bieżącymi a początkowymi danymi z monitorowania stanu. Ocenia się także wpływ utrzymania na wiek i kondycję systemu. Proponowany algorytm zastosowano w odniesieniu do napędów zwrotnicowych. Zapobiegawcze i naprawcze typy konserwacji zamodelowano jako różne parametry utrzymania ruchu. Korzystając z danych z monitorowania stanu, obliczono wskaźnik stanu jako skalowaną odległość Mahalanobisa. Wyprowadzono funkcje niezawodności i wiarygodności oraz obliczono metodą najmniejszych kwadratów szacunkowe wielkości wszystkich istotnych parametrów, a także szacunkowy wpływ konserwacji na wskaźniki czasu i stanu technicznego oraz pozostały okres użytkowania (RUL).
    Źródło:
    Eksploatacja i Niezawodność; 2019, 21, 4; 619-630
    1507-2711
    Pojawia się w:
    Eksploatacja i Niezawodność
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-5 z 5

      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