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 "Barszcz, M" wg kryterium: Autor

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-8 z 8
    Tytuł:
    Novel intuitive hierarchical structure for condition monitoring system of wind turbines
    Nowatorska intuicyjna struktura hierarchiczna systemu monitorowania stanu turbin wiatrowych
    Autorzy:
    Barszcz, T.
    Strączkiewicz, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/328414.pdf
    Data publikacji:
    2013
    Wydawca:
    Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
    Tematy:
    data fusion
    condition monitoring
    fault detection
    fault identification
    vibration
    wind turbines
    integracja danych
    monitorowanie stanu
    wykrywanie uszkodzenia
    identyfikacja uszkodzenia
    analiza drgań
    turbina wiatrowa
    Opis:
    The field of condition monitoring (CM) systems has developed significantly in recent decade. Due to constant improvement of embedded computing, complex vibration data processing can be now implemented for a much larger group of machines, e.g. wind turbines. One of the key outcomes of this process is increase in the number of signal features calculated online. Instead of a dozen of broadband values, we now have more than a hundred for a typical wind turbine. Such a situation creates information overload for the operators. On one hand, it is now possible to detect machine failure at an early stage, but on the other – a person monitoring a few dozens of turbines, each generating over a hundred features is not able to properly organize all the information from CM systems. Therefore, we have proposed the hierarchical informational structure for condition monitoring system of wind turbines, based on the data fusion methods. The information about feature values and statuses is combined into higher levels, e.g. main bearing, gearbox and generator together with the information about its severity and novelty.
    Na przestrzeni ostatniego dziesięciolecia zaobserwować można było szczególny rozwój na polu monitorowania stanu maszyn i urządzeń. Stało się tak dzięki wykorzystaniu bardziej zaawansowanych systemów wbudowanych oraz skomplikowanych algorytmów przetwarzania sygnałów drgań, które obecnie mogą być zastosowane do oceny stanu znacznie większej grupy maszyn, takich jak np. turbiny wiatrowe. Jednym z najważniejszych efektów tego procesu jest zwiększenie ilości wskaźników diagnostycznych, które mogą zostać obliczone w czasie rzeczywistym – zamiast kilkunastu wartości szerokopasmowych, obecnie otrzymuje się ich ponad sto dla typowej turbiny wiatrowej. W rezultacie prowadzi to do przeciążenia ilością informacji, jakie jest stanie przetworzyć wykwalifikowany pracownik utrzymania ruchu. Z jednej strony, istnieje obecnie możliwość wykrycia uszkodzenia maszyny w najwcześniejszym jego stadium, z drugiej natomiast – inżynier utrzymania ruchu monitorujący kilkadziesiąt turbin, z których każda generuje ponad sto wskaźników informujących o stanie maszyny, nie jest zdolny do właściwej oceny wszystkich informacji z systemu diagnostycznego. W związku z tym, zaproponowana została hierarchiczna struktura informacyjna dla systemów monitorowania stany turbin wiatrowych oparta na metodach integracji danych. Informacja o wartościach oraz stanach wskaźników diagnostycznych łączy się na wyższych poziomach, tj. łożyska głównego, przekładni oraz generatora razem z informacją o ich o ważności oraz aktualności.
    Źródło:
    Diagnostyka; 2013, 14, 3; 53-60
    1641-6414
    2449-5220
    Pojawia się w:
    Diagnostyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Application of Hardware-In-the-Loop for virtual power plant
    Zastosowanie technologii Hardware-In-the-Loop w projekcie wirtualnej elektrowni
    Autorzy:
    Barszcz, T.
    Mańka, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/329054.pdf
    Data publikacji:
    2008
    Wydawca:
    Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
    Tematy:
    symulacja
    hardware-in-the-loop
    elektrownia
    symulacja czasu rzeczywistego
    simulation
    power plant
    real-time simulation
    Opis:
    The following paper presents application of the Hardware In the Loop to the Virtual Power Plant laboratory(VPP), for real time modeling of power generation unit elements. The Virtual Power Plant consists of a group of computers, which model a real power plant unit with the performance close to the real time. Application of HIL enables the laboratory to generate output signals which can be used for testing of monitoring systems or by using exciters for testing of vibration sensors i.e.: accelerometers. The paper presents implementation process of chosen module of VPP on dedicated system for real-time simulation based on DS 1103 board. Next an experimental results are discussed.
    W pracy przedstawione zostało zastosowanie technologii Hardware-In-the-Loop (HIL) projekcie Wirtualnej Elektrowni (VPP) do modelowania działania elementów elektrowni w czasie rzeczywistym. Wirtualna Elektrownia składa się z grupy komputerów które modelują działanie rzeczywistej elektrowni z wydajnością bliską czasowi rzeczywistemu. Zastosowanie technologii HIL pozwoli na generowanie w laboratorium sygnałów wyjściowych z VPP które mogą zostać wykorzystane np.: do testowania układów monitorowania bądź też, po zastosowaniu wzbudników, do testowania czujników drgań np.: akcelerometrów. Artykuł przedstawia proces implementacji wybranego modułu VPP na dedykowany układ do przeprowadzania symulacji z rygorem czasu rzeczywistego oparty na karcie DS 1103. Następnie omówione zostały uzyskane wyniki badań eksperymentalnych.
    Źródło:
    Diagnostyka; 2008, 4(48); 17-20
    1641-6414
    2449-5220
    Pojawia się w:
    Diagnostyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Selection of clustering methods for wind turbines operational data
    Dobór metod grupowania danych procesowych dla turbin wiatrowych
    Autorzy:
    Gibiec, M.
    Barszcz, T.
    Bielecka, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/327686.pdf
    Data publikacji:
    2010
    Wydawca:
    Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
    Tematy:
    diagnostyka maszyn
    turbina wiatrowa
    eksploracja danych
    grupowanie
    machine diagnostics
    wind turbine
    data mining
    clustering
    Opis:
    Quickly growing number of monitored wind turbines has changed the needs for monitoring and diagnostic algorithms. The data from hundreds of monitoring systems are transferred to the diagnostic centers, where the data should be analyzed. High cost of labor created the need for automated diagnostic methods. The first task in this wide discipline is classification of the data and detection of malfunction states. The paper investigates application of data mining methods for classification of operational data from wind turbines. It is shown, that combination of the agglomeration method with the C-means clustering yields very good results and can be used for automated diagnostics of wind farms.
    Szybko rosnąca liczba monitorowanych turbin wiatrowych zmieniła potrzeby w zakresie algorytmów monitorowania diagnostyki. Obecnie dane z setek systemów monitorowania przesyłane są do centrów diagnostycznych, gdzie muszą zostać przeanalizowane. Wysokie koszty pracy ekspertów spowodowały potrzebę zautomatyzowania metod diagnostycznych. Pierwszym zadaniem stała się automatyczna klasyfikacja danych i wykrywanie stanów niesprawności. Artykuł przedstawia zastosowanie metod "data mining" do klasyfikacji danych procesowych z turbin wiatrowych. Pokazano, że połączenie metody aglomeracji danych z metodą K-means daje bardzo dobre wyniki i może być zastosowane do zautomatyzowanej diagnostyki farm wiatrowych.
    Źródło:
    Diagnostyka; 2010, 4(56); 37-42
    1641-6414
    2449-5220
    Pojawia się w:
    Diagnostyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Application of UML modelling for analysis of safety integrity level in railway traffic control systems
    Zastosowanie języka UML do badania poziomu nienaruszalności bezpieczeństwa systemów sterowania ruchem kolejowym
    Autorzy:
    Marzec, M.
    Uhl, T.
    Barszcz, T.
    Powiązania:
    https://bibliotekanauki.pl/articles/328039.pdf
    Data publikacji:
    2011
    Wydawca:
    Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
    Tematy:
    ruch kolejowy
    poziom nienaruszalności bezpieczeństwa
    modelowanie UML
    railway transport
    safety integrity level
    UML modeling
    Opis:
    Railway traffic control systems require extremely high level of operational safety. Due to very high costs of safety failure, this field is subject to the regulation by numerous norms, which describe formal methods of safety level calculation (denoted as Safety Integrity Level - SIL). Such an analysis is tedious and time consuming, especially in case of complex systems. The paper proposes application of UML modeling approach to perform joint analysis of the system architecture and its operation. The approach also uses the Fault Tree Analysis (FTA) and can be used to identify the weakest links in the whole system. The method allows to quickly introduce changes in system architecture or parameters and evaluate the impact on the safety. The proposed approach was successfully applied to the real case of a railway system.
    Systemy SRK wymagają szczególnie wysokiego poziomu bezpieczeństwa eksploatacji. Ze względu na bardzo wysokie koszty awarii, dziedzina ta jest przedmiotem podlegającym regulacjom wielu norm opisujących formalne metody obliczania poziomu bezpieczeństwa (oznaczony, jako poziom nienaruszalności bezpieczeństwa - SIL). Analiza prowadząca do wyznaczenia poziomu SIL jest trudna i czasochłonna, zwłaszcza w wypadku bardzo skomplikowanych systemów. Niniejsza praca proponuje aplikację podejścia z wykorzystaniem modelowania UML do przeprowadzania analizy architektury systemu i jego działania. Podejście to korzysta również z analizy drzewa błędów FTA i może być użyte do identyfikacji najsłabszych elementów systemu. Metoda ta pozwala również na szybkie wprowadzanie zmian w architekturze lub parametrach systemu, oraz pozwala obliczyć ich wpływ na bezpieczeństwo. Zaproponowane rozwiązanie zostało z powodzeniem zastosowane w prawdziwym systemie kolejowym.
    Źródło:
    Diagnostyka; 2011, 4(60); 21-26
    1641-6414
    2449-5220
    Pojawia się w:
    Diagnostyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Three-dimensional representation of diagnostic features in application to wind turbines
    Trójwymiarowa reprezentacja parametrów diagnostycznych w zastosowaniu do turbin wiatrowych
    Autorzy:
    Strączkiewicz, M.
    Urbanek, J.
    Barszcz, T.
    Powiązania:
    https://bibliotekanauki.pl/articles/329408.pdf
    Data publikacji:
    2012
    Wydawca:
    Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
    Tematy:
    turbina wiatrowa
    analiza drgań
    zmienne warunki eksploatacyjne
    wykrywanie uszkodzeń
    wind turbine
    vibration analysis
    non-stationary operation
    damage detection
    Opis:
    Wind turbine condition monitoring is essential task in the process of maintaining machine operation at the optimal level. It is related to ensuring the profitability of investment and the provision of security in the environment of the turbine. However, the working conditions of turbine associated with non-stationary nature of the stimulus which is wind, impede the correct diagnosis of the machine. In addition, a multitude of parameters adversely affects the clarity of predictions and setting alarm thresholds. In the article, the authors evaluate the impact of power generator and bearing rotational speed on the root-mean-square (RMS) value received on the generator bearing. The study was performed in various dynamic states of the bearing: the intact and after discovery of damage. It was possible due to long term monitoring of the system and further analysis of the RMS as a function of power and rotational speed. For this purpose the method that bases on calculation of arithmetic mean of the data in the segments corresponding to the chosen ranges of both rotational speed and generator output power. Results are presented in the form of three-dimensional charts, which allow assessing the impact of parameters on the estimator. As observed, a greater impact on the RMS has the power which reveals as more dynamic changes of RMS to the fluctuation of power. The variation of rotational speed does not affect RMS so rapidly. This was confirmed by an analysis of the slope the function obtained by linear regression. Therefore, it might lead to the conclusion that operational state of wind turbines should be assessed due to generated power level not in respect to rotational speed.
    Monitorowanie stanu pracy turbiny wiatrowej jest niezbędnym zadaniem w procesie utrzymania pracy maszyny na optymalnym poziomie. Jest to związane zarówno z utrzymaniem rentowności inwestycji jak i zapewniania bezpieczeństwa w otoczeniu pracy turbiny. Jednakże warunki pracy turbiny związane z niestacjonarnym charakterem czynnika pobudzającego, jakim jest wiatr, utrudniają poprawną diagnozę stanu maszyny. Dodatkowo mnogość parametrów wpływa niekorzystnie na klarowność prognozy i ustawienie progów alarmowych. W artykule autorzy oceniają wpływ mocy generatora i prędkości obrotowej łożyska generatora na zmianę wartości skutecznej (RMS) wibracji otrzymanej na łożysku generatora. Obserwacja została poczyniona w dwóch stanach dynamicznych łożyska: w stanie nieuszkodzonym oraz po stwierdzeniu uszkodzenia. Umożliwiła to długoczasowa obserwacja turbiny pod kątem ww. parametrów, a następnie analiza zależności RMS w funkcji mocy i prędkości obrotowej. W tym celu zaproponowano metodę polegającą na obliczaniu średniej arytmetycznej wartości RMS w segmentach odpowiadającym wybranym zakresom prędkości obrotowej i mocy generatora. Wyniki przedstawiono w postaci trójwymiarowych wykresów, które pozwalają na ocenę wpływu parametrów na estymator. Jak zaobserwowano, większy wpływ na RMS ma parametr mocy generatora, co objawia się bardziej dynamiczną zmianą RMS w odniesieniu do zmiany mocy. Wahania prędkości obrotowej nie wpływają na estymator tak gwałtownie. Zostało to potwierdzone analizą współczynników kierunkowych funkcji otrzymanej przy pomocy regresji liniowej. Może to prowadzić do wniosku, że stan działania turbin wiatrowych powinien być oceniany ze względu na generowany poziom mocy a nie z powodu prędkości obrotowej.
    Źródło:
    Diagnostyka; 2012, 4(64); 9-16
    1641-6414
    2449-5220
    Pojawia się w:
    Diagnostyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    ART-2 artificial neural networks applications for classification of vibration signals and operational states of wind turbines for intelligent monitoring
    Autorzy:
    Barszcz, T.
    Bielecki, A.
    Wójcik, M
    Bielecka, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/329678.pdf
    Data publikacji:
    2013
    Wydawca:
    Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
    Tematy:
    wind turbines
    monitoring
    ART neural network
    Opis:
    In recent years wind energy is the fastest growing branch of the power generation industry. The largest cost for the wind turbine is its maintenance. A common technique to decrease this cost is a remote monitoring based on vibration analysis. Growing number of monitored turbines requires an automated way of support for diagnostic experts. As full fault detection and identification is still a very challenging task, it is necessary to prepare an “early warning” tool, which would focus the attention on cases which are potentially dangerous. There were several attempts to develop such tools, in most cases based on various classification methods. As the ART neural networks are capable to perform efficient classification and to recognize new states when necessary, they seems to be a proper tool for classification of vibration signals of bearing in gears in wind turbines. The verification of ART-2 networks efficiency in this task is the topic of this paper.
    Źródło:
    Diagnostyka; 2013, 14, 4; 21-26
    1641-6414
    2449-5220
    Pojawia się w:
    Diagnostyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Vibration signals processing by cellular automata for wind turbines intelligent monitoring
    Przetwarzanie sygnałów drganiowych przy pomocy automatów komórkowych w celu inteligentnego monitoringu turbin wiatrowych
    Autorzy:
    Barszcz, T.
    Bielecki, A.
    Wójcik, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/328842.pdf
    Data publikacji:
    2013
    Wydawca:
    Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
    Tematy:
    cellular neural networks
    wind turbines
    gears
    intelligent monitoring
    deterministyczne automaty komórkowe
    turbina wiatrowa
    przekładnia
    monitoring inteligentny
    Opis:
    In recent years wind energy is the fastest growing branch of the power generation industry. The largest cost for the wind turbine is its maintenance. A common technique to decrease this cost is a remote monitoring based on vibration analysis. Growing number of monitored turbines requires an automated way of support for diagnostic experts. As full fault detection and identification is still a very challenging task, it is necessary to prepare an early-warning tool, which would focus the attention on cases which are potentially dangerous. There were several attempts to develop such tools, in most cases based on various classification methods. The techniques that have been used so far are based on the vibration signals analysis in which the signals are considered as time series. However such approach has crucial limitations. Therefore, new approaches for wind turbines intelligent monitoring are worked out. Artificial intelligence systems are ones of promising. In this paper such approach is proposed - a vibration signal spectrum is considered as a pixel matrix which is processed using deterministic cellular automaton (DCA). It turns out that such processing allows us to detect pre-failure states.
    W ostatnich latach energetyka wiatrowa jest najszybciej rozwijającą się gałęzią przemysłu energetycznego. Najkosztowniejsza w turbinach wiatrowych jest ich konserwacja. Popularną techniką obniżającą te koszta jest zdalny monitoring bazujący za analizie wibracyjnej. Rosnąca liczba monitorowanych turbin zmusza do znalezienia automatycznego wsparcia dla diagnozujących ekspertów. Ponieważ pełna detekcja i identyfikacja uszkodzeń jest wciąż wielkim wyzwaniem, potrzebne jest określenie narzędzia zdolnego wychwytywać jak najwcześniejsze symptomy awarii. Podejmowane były próby stworzenia takich narzędzi, opierając się na różnych metodach klasyfikacji. Używane techniki od dłuższego czasu bazują na analizie sygnałów wibracyjnych, które rozpatrywane są jako szeregi czasowe. Takie podejście, jednakże, ma istotne ograniczenia. Dlatego też poszukuje się nowych metod, które mogą być skutecznie użyte do inteligentnego monitoringu turbin wiatrowych. Systemy sztucznej inteligencji wydają się być obiecującym podejściem. W niniejszej publikacji testowana jest użyteczność tego podejścia - badane widmo sygnału wibracyjnego jest rozumiane jako macierz komórek, które konstytuują automat komórkowy. Przetwarzanie sygnałów przy pomocy powyższego automatu pozwoli wykrywać stany przedawaryjne.
    Źródło:
    Diagnostyka; 2013, 14, 2; 31-36
    1641-6414
    2449-5220
    Pojawia się w:
    Diagnostyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Supervised and unsupervised learning process in damage classification of rolling element bearings
    Nadzorowany i nienadzorowany proces uczenia w klasyfikacji uszkodzeń łożysk tocznych
    Autorzy:
    Strączkiewicz, M.
    Czop, P.
    Barszcz, T.
    Powiązania:
    https://bibliotekanauki.pl/articles/327924.pdf
    Data publikacji:
    2016
    Wydawca:
    Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
    Tematy:
    fault classification
    pattern recognition
    rolling element bearing
    multiple classifiers comparison
    klasyfikacja uszkodzeń
    rozpoznawanie wzorców
    łożysko toczne
    porównanie klasyfikatorów
    Opis:
    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.
    Źródło:
    Diagnostyka; 2016, 17, 2; 71-80
    1641-6414
    2449-5220
    Pojawia się w:
    Diagnostyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-8 z 8

      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