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 "sieć sztuczna" wg kryterium: Temat

  Lista filtrów
Wyrównaj
Wyświetlanie 1-15 z 17
Tytuł:
Analiza komputerowa diagnozowania defektów alternatora z wykorzystaniem sztucznej sieci neuronowej
Computer analysis of alternator defects diagnosing using artificial neural network
Autorzy:
Jastriebow, A.
Gad, S.
Słoń, G.
Powiązania:
https://bibliotekanauki.pl/articles/328147.pdf
Data publikacji:
2002
Wydawca:
Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
Tematy:
sztuczna sieć neuronowa
alternator
diagnostyka
artificial neural networks
diagnostic
Opis:
Opracowano analizę komputerową do prowadzenia symulacyjnych badań statystycznych diagnozowania defektów alternatora za pośrednictwem sztucznych sieci neuronowych w postaci wielowarstwowych perceptronów. Na podstawie zbudowanego programu i generatora danych uczących przeanalizowano możliwość diagnostyki kilku defektów alternatora. Przedstawione wyniki symulacji dają pełną gwarancję efektywnego rozwiązania postawionego problemu.
The computer analysis for conducting of statistical simulating research of alternator defects diagnosing through artificial neural networks in the form of multi layer perceptrons has been worked out. On the basis of built program and teaching data generator, a possibility of some alternator defects diagnosing has been analyzed. Presented simulation results give full guarantee of effective solution of tested problem.
Źródło:
Diagnostyka; 2002, 27; 7-10
1641-6414
2449-5220
Pojawia się w:
Diagnostyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Model systemu "zespół pompowy - przewód" ze sterowanym układem napędowym na potrzeby diagnostyczne
Model of "pump aggregate - pipeline" system with controled driving match on diagnostic requirements
Autorzy:
Bartman, J.
Koziorowska, A.
Powiązania:
https://bibliotekanauki.pl/articles/327486.pdf
Data publikacji:
2008
Wydawca:
Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
Tematy:
układ napędowy
sztuczna sieć neuronowa
modelowanie
drive system
artificial neural network
modeling
Opis:
Przedmiotem pracy jest konstrukcja modelu systemu "zespół pompowy - przewód" składającego się z przemiennika częstotliwości, silnika napędowego, pompy oraz rurociągu. Idea pracy systemu opiera się na stabilizacji ciśnienia tłoczenia wody w rurociągu poprzez częstotliwościową regulację prędkości silnika napędzającego pompę tłoczącą. W pracy przedstawiono topologię systemu oraz jego opis analityczny, który zostanie wykorzystany jako model diagnostyczny w dalszych badaniach. Układ opisano wykorzystując modelowanie matematyczne, modelowanie neuronowe oraz charakterystyki statyczne. Szczególną uwagę zwrócono na dobór modelu neuronowego - porównując uzyskane z niego wyniki z danymi pomiarowymi.
The aim of the paper is construction of "pump aggregate - pipeline" system model consists of frequency converter, driving motor, pumps and pipeline. Idea of system's work is based on pressure stabilization in pipeline through frequency control of speed of motor which drives the pump. The paper presents the topology of analysed system and its analytical description which will be taken advantage as diagnostic model in farthest research. The system is described through using mathematical modeling, neuron modeling and static characteristics. There was payed the special attention on selection of neuron model comparing received results to measuring data.
Źródło:
Diagnostyka; 2008, 2(46); 61-66
1641-6414
2449-5220
Pojawia się w:
Diagnostyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
A novel Parkinsons disease detection algorithm combined EMD, BFCC, and SVM classifier
Autorzy:
Boualoulou, Nouhaila
Mounia, Miyara
Nsiri, Benayad
Behoussine Drissi, Taoufiq
Powiązania:
https://bibliotekanauki.pl/articles/27313826.pdf
Data publikacji:
2023
Wydawca:
Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
Tematy:
EMD
BFCC
MFCC
SVM
Parkinson’s disease
sztuczna sieć neuronowa
choroba Parkinsona
Opis:
Identifying and assessing Parkinson's disease in its early stages is critical to effectively monitoring the disease's progression. Methodologies based on machine learning enhanced speech analysis are gaining popularity as the potential of this field is revealed. Acoustic features, in particular, are used in a variety of algorithms for machine learning and could serve as indicators of the general health of subjects' voices. In this research paper, a novel method is introduced for the automated detection of Parkinson's disease through speech signal analysis, a support vector machines classifier (SVM) and an Artificial Neural Network (ANN) are used to evaluate and classify the data based on two acoustic features: Bark Frequency Cepstral Coefficients (BFCC) and Mel Frequency Cepstral Coefficients (MFCC). These features are extracted from the denoised signals using Empirical Mode Decomposition (EMD). The most relevant results obtained for a dataset of 38 participants are by the BFCC coefficients with an accuracy up to 92.10%. These results confirm that EMD-BFCC-SVM method can contribute to the detection of Parkinson's disease.
Źródło:
Diagnostyka; 2023, 24, 4; art. no. 2023404
1641-6414
2449-5220
Pojawia się w:
Diagnostyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
An optimization of heuristic model of water supply system with genetic algorithm
Optymalizacja modelu heurystycznego sieci wodociągowej z zastosowaniem algorytmu genetycznego
Autorzy:
Wysogląd, B.
Wyczółkowski, R.
Powiązania:
https://bibliotekanauki.pl/articles/327832.pdf
Data publikacji:
2006
Wydawca:
Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
Tematy:
diagnostyka
algorytm genetyczny
sztuczna sieć neuronowa
sieć wodociągowa
diagnostic
genetics algorithm
neural network
water pipeline
Opis:
The paper presents the method of optimization of heuristic model of water supply system with Genetic Algorithm. This model is an essential part of intelligent diagnostic system of local water supply system. The main task of this system is water leakage detecting and localization. For inputs, this system uses information from pressure or flow sensors, mounted on the pipeline network, the output is a piece of information about leakage detection and localization. The main advantage of this system is a possibility of approximate leakage localization using only a limited number of installed sensors. The first problem which should be solved to apply this system in practice is to find the best localization of sensor which should be installed on water pipeline. The method of solving this problem was described in the paper.
W artukule przedstawiono sposób optymalizacji heurystycznego modelu sieci wodociągowej, opartego o sztuczne sieci neuronowe, z zastosowaniem algorytmu genetycznego. Model ten stanowi zasadniczy element inteligentnego układu diagnozustyki sieci wodociągowej, mającego za zadanie wykrywanie przecieków sieci wodociągowej. Wejściami do modelu są dane z czujników ciśnienia lub przepływu zainstalowanych na sieci, zaś wyjściami informacja o lokalizacji potencjalnych przecieków. Podstawową zaletą tej koncepcji systemu diagnozowania sieci wodociągowej jest możliwość przybliżonej lokalizacji uszkodzeń sieci w oparciu o ograniczoną liczbę czujników na niej zainstalowanych. Istotnym problemem który należy rozwiązać w pierwszym etapie budowy systemu, jest wybór lokalizacji ograniczonej liczby czujników, zapewniających jednak identyfikowanie jak największej liczby potencjalnych awarii. Artykuł przedstawia sposób rozwiązania tego problemu poprzez optymalizację rozmieszczenia czujników z zastosowaniem algorytmu genetycznego.
Źródło:
Diagnostyka; 2006, 2(38); 49-52
1641-6414
2449-5220
Pojawia się w:
Diagnostyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Optimum choice of signals' features used in toothed gears' diagnosis
Optymalny wybór cech sygnałów wykorzystywanych w diagnozowaniu przekładni zębatych
Autorzy:
Jedliński, Ł.
Jonak, J.
Powiązania:
https://bibliotekanauki.pl/articles/327576.pdf
Data publikacji:
2010
Wydawca:
Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
Tematy:
przekładnia stożkowa
selekcja cech
sztuczna sieć neuronowa
bevel gear
feature selection
artificial neural network
Opis:
The article proposes an algorithm to choose optimum diagnostic features used in toothed gears' diagnosis. The test object is a single-bevel gear in the research area. From the gear in two technical states there were collected vibration signals and eight features were calculated. Feature and machine state correlation degree depends on the type of damage and analyzed object properties. Some features are insensitive to particular damage or may transmit the same information. Signal features choice is a crucial step which influences the final technical condition evaluation. With the algorithm that automatically verifies features' usability there were chosen four best correlated with the technical condition of the object. Gear state classifiers were two neural networks, one formed of four features and the other of all eight. The other one was set to check features' choice accuracy.
W artykule przedstawiono algorytm doboru optymalnych cech diagnostycznych używanych w diagnozowaniu przekładni zębatych. Obiektem badań była przekładnia jednostopniowa stożkowa badana na stanowisku badawczym. Z przekładni w dwóch stanach technicznych zarejestrowano sygnały drgań i obliczono osiem cech. Stopień korelacji cechy ze stanem maszyny zależy od rodzaju uszkodzenia i właściwości analizowanego obiektu. Niektóre cechy nie są czułe na dane uszkodzenie, lub mogą przekazywać tę samą informację. Wybór cech sygnału jest krytycznym krokiem, który ma wpływ na ostateczny wynik oceny stanu technicznego Za pomocą algorytmu, który w sposób automatyczny weryfikuje przydatność cech wybrano cztery najbardziej skorelowane ze stanem technicznym obiektu. Klasyfikatorem stanu przekładni były dwie sieci neuronowe, pierwsza utworzona dla czterech cech a druga dla wszystkich ośmiu. Druga sieć miała na celu sprawdzenie poprawności wyboru cech.
Źródło:
Diagnostyka; 2010, 3(55); 9-12
1641-6414
2449-5220
Pojawia się w:
Diagnostyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Rozpoznawanie obrazów z wykorzystaniem neuronowego klasyfikatora NBV
Pattern recognition using NBV neural classifier
Autorzy:
Dybała, J.
Powiązania:
https://bibliotekanauki.pl/articles/327664.pdf
Data publikacji:
2009
Wydawca:
Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
Tematy:
rozpoznawanie obrazów
sztuczna sieć neuronowa
klasyfikator neuronowy
pattern recognition
artificial neural network
neural classifier
Opis:
W artykule przedstawiono neuronowy klasyfikator NBV o konstrukcji inspirowanej strukturą sieci neuronowej CP (ang. Counter Propagation), który wykorzystuje koncepcję stosowaną w klasyfikacji minimalnoodległościowej, a w swym działaniu nawiązuje do idei funkcjonowania klasyfikatorów SVM (ang. Support Vector Machine).
The article presents the NBV neural classifier whose structure has been inspired by the structure of CP (Counter Propagation) neural network, which uses the methods applied in the minimum-distance classification, while in its operation it draws on the idea of functioning of SVM (Support Vector Machines) classifiers.
Źródło:
Diagnostyka; 2009, 3(51); 105-112
1641-6414
2449-5220
Pojawia się w:
Diagnostyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Optimization of a set of thermovision image features with the use of evolutionary algorithms
Optymalizacja zbioru cech obrazów termowizyjnych z zastosowaniem algorytmów ewolucyjnych
Autorzy:
Fidali, M.
Urbanek, G.
Powiązania:
https://bibliotekanauki.pl/articles/329156.pdf
Data publikacji:
2009
Wydawca:
Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
Tematy:
diagnostyka
termowizja
algorytm ewolucyjny
sztuczna sieć neuronowa
diagnostics
infrared thermography
evolutionary algorithm
neural network
Opis:
Extraction of diagnostic information from the thermovision images is connected with analysis and evaluation of a huge amount of different diagnostic features which could cause problems with efficient assessment of technical state due to informational noise. In the paper, application of an evolutionary algorithm for optimization of a set of diagnostic features has been presented. In the case of assessment of selected optimal features, neural classifier has been used. A set of 259 features has been considered. Classification results have shown that the evolutionary algorithm can be applied in selection of relevant diagnostic features. Efficiency of classifier has come to more than 92%.
Ocena stanu technicznego maszyn na podstawie obrazów termowizyjnych wymaga ich analizy i wyznaczenia zwykle dużej liczby różnych cech diagnostycznych, które mogą utrudniać efektywną diagnozę ze względu na szum informacyjny. W artykule przedstawiono zastosowanie algorytmu ewolucyjnego do optymalizacji zbioru 259 cech diagnostycznych. Do oceny zoptymalizowanego zbioru cech posłużono się klasyfikatorem neronalnym. Wyniki klasyfikacji potwierdzają przydatność zastosowania algorytmów ewolucyjnych do wyboru cech relewantnych. Sprawność klasyfikacji była większa niż 92%.
Źródło:
Diagnostyka; 2009, 1(49); 7-12
1641-6414
2449-5220
Pojawia się w:
Diagnostyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Diagnosis of sensor faults in a combustion engine control system with the artificial neural network
Diagnozowanie uszkodzeń czujników w systemie sterowania silnika spalinowego z wykorzystaniem sztucznej sieci neuronowej
Autorzy:
Komorska, iwona
Wołczyński, Zbigniew
Borczuch, Artur
Powiązania:
https://bibliotekanauki.pl/articles/329450.pdf
Data publikacji:
2019
Wydawca:
Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
Tematy:
combustion engine
sensor fault diagnosis
artificial neural network
silnik spalinowy
diagnozowanie uszkodzeń
czujnik
sztuczna sieć neuronowa
Opis:
The work presents the investigations carried out on a spark-ignition internal combustion engine with gasoline direct injection. The tests were carried out under conditions of simulated damage to the air temperature sensor, engine coolant temperature sensor, fuel pressure sensor, air pressure sensor, intake manifold leakage, and air flow disturbances. The on-board diagnostic system did not detect any damage because the sensor indications were within acceptable limits. The engine control system in each case changed its settings according to the adaptive algorithm. Signal values in cycles from all available sensors in the engine control system and data available in the on-board diagnostic system of the car were recorded. A large amount of measurement data was obtained. They were used to create a statistical function that classifies sensor faults using an artificial neural network. A set of training data has been prepared accordingly. During learning the neural network, a hit rate of over 99% was achieved.
W pracy przedstawiono badania przeprowadzone na silniku spalinowym o zapłonie iskrowym z bezpośrednim wtryskiem paliwa. Testy wykonano w warunkach symulowanych uszkodzeń czujników temperatury powietrza, temperatury cieczy chłodzącej silnik, ciśnienia paliwa, ciśnienia powietrza, nieszczelności w kolektorze dolotowym, zaburzenia przepływu powietrza. System diagnostyki pokładowej nie wykrył żadnego uszkodzenia, ponieważ wskazania czujników mieściły się w granicach tolerancji. System sterowania silnika w każdym przypadku zmieniał swoje ustawienia według adaptacyjnego algorytmu. Rejestrowano cyklowe wartości sygnałów ze wszystkich dostępnych czujników w systemie sterowania silnika oraz dane dostępne w systemie diagnostyki pokładowej samochodu. Otrzymano dużą ilość danych pomiarowych. Wykorzystano je do utworzenia statystycznej funkcji klasyfikującej uszkodzenia przy pomocy sztucznej sieci neuronowej. Odpowiednio przygotowano zbiór danych uczących. W trakcie uczenia sieci neuronowej osiągnięto współczynnik trafień powyżej 99%.
Źródło:
Diagnostyka; 2019, 20, 4; 19-25
1641-6414
2449-5220
Pojawia się w:
Diagnostyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Monitoring of high-speed shaft of gas turbine using artificial neural networks: predictive model application
Autorzy:
Rahmoune, M. B.
Hafaifa, A.
Abdellah, K.
Chen, X. Q.
Powiązania:
https://bibliotekanauki.pl/articles/328726.pdf
Data publikacji:
2017
Wydawca:
Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
Tematy:
monitoring
gas turbine
vibrations
artificial neural networks
predictive model
turbina gazowa
drgania
sztuczna sieć neuronowa
model predykcyjny
Opis:
The automatic engineering known a very rapid progress with the consequent development of numerical methods and computer systems, by the growth of computational capacity. In this context, this work proposes a strategy of predictive control of the high-pressure shaft speed of a gas turbine using artificial neural networks in order to monitor the vibratory behavior of this rotating machine. This approach makes it possible to ensure the stability of this turbine under real conditions and to detect any deviation of their dynamic behavior from the margin of safety. This approach makes it possible to include the control limitations on the turbine variables in the modeling step of the high-speed shaft speed controller.
Źródło:
Diagnostyka; 2017, 18, 4; 3-10
1641-6414
2449-5220
Pojawia się w:
Diagnostyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Neuronowa symulacja fluktuacji ciśnienia i temperatury pary w upuście parowego bloku energetycznego
Neural simulation of pressure and temperature fluctuations at steam extraction of power unit with steam turbine
Autorzy:
Ślęzak-Żołna, J.
Głuch, J.
Powiązania:
https://bibliotekanauki.pl/articles/327602.pdf
Data publikacji:
2008
Wydawca:
Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
Tematy:
sztuczna sieć neuronowa
diagnostyka on-line
parowy blok energetyczny
artificial neural networks
on-line diagnostics
steam power unit
Opis:
W artykule przedstawiono metodę symulacji neuronowej dla zastosowań w diagnostyce on-line obiektów energetycznych. Model neuronowy opiera się na statycznych jednokierunkowych sztucznych sieciach neuronowych oraz na danych pomiarowych z parowego bloku energetycznego o mocy 200 MW. Sieci podają wartości referencyjne parametrów przepływowych pary dla aktualnych warunków obciążenia obiektu. Badano wpływ na jakość symulacji neuronowej takich czynników jak: sposób definiowania stanu obciążenia obiektu, dobór danych uczących i testujących, metody wyszukiwania najlepszych struktur sieci, wpływ błędów pomiarowych i sezonowych zmian warunków pracy obiektu. Dokładność modelu porównano ze sprawdzonym modelem analitycznym danego obiektu.
This paper presents neural simulation method for on-line diagnostics use for steam power units. Neural model is based on static feedforward artificial neural networks and measurements from steam 200 MW power unit. The networks give reference steam flow parameters for current operation settings. Researched was dependence on neural simulation quality such factors as: defining power settings, teaching and testing data selection, searching out of the best networks architecture, measurement errors and seasonal changes of operation conditions. Accuracy of neural calculations was compared with verified analytical model of the object.
Źródło:
Diagnostyka; 2008, 2(46); 105-108
1641-6414
2449-5220
Pojawia się w:
Diagnostyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Klasyfikacja rodzaju i stopnia uszkodzenia zębów kół przekładni oparta na ciągłej transformacie falkowej i sieci neuronowej typu MLP - koncepcja wykorzystania danych z modelu i rzeczywistej przekładni
Classification of kinds and degee of tooth gear fail by using continuous wavelet transform and MLP neural network - conception of using dates from the model and real gearbox
Autorzy:
Czech, P.
Łazarz, B.
Powiązania:
https://bibliotekanauki.pl/articles/328338.pdf
Data publikacji:
2007
Wydawca:
Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
Tematy:
diagnostyka
przekładnia zębata
sztuczna sieć neuronowa
ciągła transformata falkowa
diagnostics
gear fault
neural network
continuous wavelet transform (CWT)
Opis:
W opracowaniu przedstawiono wyniki próby zastosowania sztucznej sieci neuronowej jako klasyfikatora rodzaju i stopnia uszkodzenia zębów kół w przekładni. Klasyfikator neuronowy oparto na sztucznej sieci neuronowej typu MLP. Dane wejściowe do klasyfikatora stanowiła macierz złożona z miar statystycznych otrzymanych z ciągłej analizy falkowej. Zidentyfikowany model przekładni zębatej pracującej w układzie napędowym oraz stanowisko mocy krążącej FZG posłużyły do generacji zbiorów uczących i testujących zastosowanych w eksperymencie.
The work presents results of an experiment that employs the artificial neuronal network in the task of identification of kinds and degree of tooth failure. Neural Networks were based on the Multi Layer Perceptrons. 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 continuous wavelet transform. In the experiment the dynamic model of gearbox and power circulating gear testing machine was used as generator of data.
Źródło:
Diagnostyka; 2007, 2(42); 75-82
1641-6414
2449-5220
Pojawia się w:
Diagnostyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Wind turbine fault diagnosis through temperature analysis: an artificial neural network approach
Autorzy:
Mana, M.
Piccioni, E.
Terzi, L.
Powiązania:
https://bibliotekanauki.pl/articles/328067.pdf
Data publikacji:
2017
Wydawca:
Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
Tematy:
artificial neural networks
wind turbine
fault diagnosis
wind energy
SCADA
sztuczna sieć neuronowa
turbina wiatrowa
energia wiatru
diagnostyka uszkodzeń
Opis:
Wind turbines undergo dynamic loads along all the phases of transformation of wind kinetic energy into power output to be fed into the grid. Gearbox breakdowns are one of the most common and most severe causes of energy losses and it is therefore crucial to prevent and forecast them. Straightforward vibration analysis is very demanding by the point of view of technology, costs and complexity of signal denoising. A considerable keystone in fault diagnosis is the analysis of Supervisory Control And Data Acquisition (SCADA) systems. In particular, thermal behaviour of wind turbines fits well with the common time scale of SCADA data; heating trends are fairly responsive as a consequence of rotor vibration. Machine learning techniques applied to SCADA data are very powerful in reconstructing inputs - output dependency. On these grounds, in this work an Artificial Neural Network approach is proposed for early diagnosis of gearbox faults. The method is validated on the data of a wind farm operating in Italy. It is shown that the method is capable in recognizing incoming faults with a very manageable advance also with data on short time scales.
Źródło:
Diagnostyka; 2017, 18, 1; 9-16
1641-6414
2449-5220
Pojawia się w:
Diagnostyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Heuristic modeling of objects and processes using dynamic neural networks
Heurystyczne modelowanie obiektów i procesów przy pomocy dynamicznych sieci neuronowych
Autorzy:
Przystałka, P.
Powiązania:
https://bibliotekanauki.pl/articles/327816.pdf
Data publikacji:
2006
Wydawca:
Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
Tematy:
sztuczna sieć neuronowa
lokalnie rekurencyjna sieć neuronowa
systemy dynamiczne
metoda quasi-Newtonowska
modelowanie heurystyczne
artificial neural network
locally recurrent neural network
dynamic systems
quasi-Newton methods
heuristic modelling
Opis:
The methodology of heuristic modeling is one of the subjects included in the activities developed by the Department of Fundamentals of Machinery Design [4, 6]. Among all the approaches of heuristic modeling some of the most common are artificial neural networks. There are many papers and books devoted to applications of neural networks for modeling dynamic systems [1, 2, 4, 5, 6, 7]. In this paper, known approach basing on dynamic neuron model is presented (dynamic neuron with IIR filter in the activation block [2]) but some developments are introduced. Locally recurrent networks which are composed of dynamic neural units described in [2, 5, 7] are able to model behavior of complex dynamic systems. Nevertheless, they have one major disadvantage, that is, neural networks composed of these neurons are not able to represent stochastic behaviors of some objects [4,6]. By introducing the ARMAX (or ARX) system into dynamic neuron model author has received dynamic neuron unit that never behaves in the same way (it brings an artificial neuron closer and closer to the biological model). In this paper the author presents formal description of dynamic neuron unit with ARMAX system in the feedback block. There are also described a general structure of dynamic neural network composed of these neurons, two known training methods and some commonly used quality measures. At the end of the paper three examples of applications are given.
Metodologia heurystycznego modelowania obiektów i procesów jest jednym z kierunków badań rozwijanym prze Katedrę Podstaw Konstrukcji Maszyn [4, 6]. Spośród wielu metod modelowania heurystycznego duże znaczenie odgrywają metody bazujące na sztucznych sieciach neuronowych. Można wyróżnić wiele ciekawych prac badawczych prowadzonych w kierunku modelowania systemów dynamicznych z zastosowaniem tego typu narzędzia [1, 2, 4, 5, 6, 7]. W artykule zaprezentowano znane podejście bazujące na dynamicznych neuronach (dynamiczny neuron z filtrem IIR w bloku aktywacyjnym [2]) z pewnymi modyfikacjami. Lokalnie rekurencyjne sieci neuronowe złożone z dynamicznych neuronów opisane w [2, 5, 7] nadają się do modelowania zachowania złożonych systemów dynamicznych. Jednakże, posiadają one jedną główną wadę tzn. nie są zdolne do reprezentowania zachowania losowego niektórych obiektów [4, 6]. Poprzez wprowadzenie systemu typu ARMAX (ARX) do modeli dynamicznych neuronów autor otrzymał dynamiczny model neuronu, który nigdy nie zachowują się w ten sam sposób (przybliża to model sztucznego neuronu do jego biologicznego wzoru). W artykule autor prezentuje formalny opis dynamicznego neuronu z systemem typu ARMAX w bloku sprzężenie zwrotnego. Opisuje również ogólną strukturę dynamicznej sieci neuronowej złożonej z tych neuronów, dwa znane algorytmy trenujące oraz powszechnie stosowane miary jakości. Przykładowe zastosowania opisywanych sieci zaprezentowane są w końcowym fragmencie opracowania.
Źródło:
Diagnostyka; 2006, 2(38); 31-36
1641-6414
2449-5220
Pojawia się w:
Diagnostyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Optimized multi layer perceptron artificial neural network based fault diagnosis of induction motor using vibration signals
Autorzy:
Khoualdia, Tarek
Lakehal, Abdelaziz
Chelli, Zoubir
Khoualdia, Kais
Nessaib, Karim
Powiązania:
https://bibliotekanauki.pl/articles/1840889.pdf
Data publikacji:
2021
Wydawca:
Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
Tematy:
induction motor
vibration analysis
monitoring
diagnosis
optimized artificial neural network
sensitivity analysis
silnik indukcyjny
analiza drgań
monitorowanie
diagnoza
sztuczna sieć neuronowa
analiza wrażliwości
Opis:
Installations and the detection of their faults has become a major challenge. In order to develop a reliable approach for monitoring and diagnosis faults of these components, a test rig was mounted. In this article, a Multi Layer Perceptron (MLP) Artificial Neural Network (ANN) has been structured and optimized for online monitoring of induction motors. The input layer of our ANN used eight indicators calculated from the collected time signals and which represent the different states of the motor (Healthy, broken rotor bars, bearing fault and Misalignment) and the output layer used a codified matrix. However, based on L27 Taguchi design, the architecture for the hidden layers of our network is chosen, with the use of the LevenbergMarquardt learning algorithm. Garson's algorithm and connection weight approach showed that there's a great sensitivity of the crest factor, the kurtosis and the variance on the effectiveness of our diagnostic system. Consequently, the obtained results are capable of detecting faults in the induction motor under different operating conditions.
Źródło:
Diagnostyka; 2021, 22, 1; 65-74
1641-6414
2449-5220
Pojawia się w:
Diagnostyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Modele i reguły decyzyjne w symptomowej diagnostyce technicznej
Models and decision rules in symptom technical diagnostic
Autorzy:
Jastriebow, A.
Gad, S.
Słoń, G.
Powiązania:
https://bibliotekanauki.pl/articles/327440.pdf
Data publikacji:
2006
Wydawca:
Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
Tematy:
model matematyczny
model informacyjny
sztuczna sieć neuronowa
reguła logiczna
reguła numeryczna
diagnostyka
pojazd
mathematical model
informative model
artificial neural network
logic rule
numeric rule
diagnostic
vehicle
Opis:
W pracy przedstawiono modele i reguły decyzyjne stosowane w symptomowej diagnostyce technicznej. Modele podzielono na dwie grupy: matematyczne i informacyjne. Opisano kryteria budowy takich modeli. Na podstawie opisanych modeli przedstawiono reguły decyzyjne. Na przykładzie diagnozowania wyposażenia elektrycznego samochodów przedstawiono wyniki symulacyjnej analizy wybranych reguł. Wyniki analizy potwierdzają wysoką efektywność metod opartych na sztucznych sieciach neuronowych.
In the paper models and decision rules, applied in the symptom technical diagnostic, are presented. Models have been split into two groups: mathematical and informative. Criterions of designing of such models are described. On the basis of described models, decision rules have been presented. Results of the simulating analysis of chosen rules have been presented on the example of diagnosing of car's electrical equipment. Results of the analysis confirm high efficiency of methods artificial neural networks.
Źródło:
Diagnostyka; 2006, 3(39); 199-208
1641-6414
2449-5220
Pojawia się w:
Diagnostyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Wyświetlanie 1-15 z 17

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