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 "detection process" wg kryterium: Wszystkie pola

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-3 z 3
    Tytuł:
    Badanie efektywności wykrywania anomalii procesowych w działaniu turbiny parowej elektrowni jądrowej przy pomocy metod wielowymiarowej analizy statystycznej
    Efficiency of process abnormality detection in steam turbine of nuclear power plant using multivariate statistical analysis methods
    Autorzy:
    Kulkowski, K.
    Grochowski, M.
    Duzinkiewicz, K.
    Powiązania:
    https://bibliotekanauki.pl/articles/268892.pdf
    Data publikacji:
    2015
    Wydawca:
    Politechnika Gdańska. Wydział Elektrotechniki i Automatyki
    Tematy:
    turbina parowa
    detekcja uszkodzeń
    PCA
    steam turbine
    fault detection
    Opis:
    W artykule przedstawiono analizę możliwości wykrywania anomalii procesowych w działaniu turbiny parowej elektrowni jądrowej przy pomocy metod wielowymiarowej analizy statystycznej. Zasymulowano symptomy dwóch rodzajów uszkodzeń turbiny parowej tj. uderzenie wodne oraz, wyciek pary z zaworu części niskoprężnej. Jako narzędzie diagnostyczne wykorzystano Metodę Składników Podstawowych PCA (z ang. Principal Component Analysis). Jako obiekt referencyjny wykorzystano nieliniowy, dynamiczny model matematyczny turbiny parowej. Przeprowadzone badania symulacyjne potwierdziły możliwość zastosowania metody PCA do wczesnego wykrywania wybranych uszkodzeń w turbinie parowej.
    Article presents an analysis of the possibility of anomaly detection process in nuclear power plant steam turbine using the methods of multivariate statistical analysis. Two types of steam turbine faults were simulated: water hammering and leakage of low pressure part valve. As a diagnostic tool a PCA (Principal Component Analysis) was used. As a reference a nonlinear, dynamic mathematical model of steam turbine was used. The possibility of applying PCA method for early detection in the steam turbine was confirmed by conducted simulations.
    Źródło:
    Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej; 2015, 47; 107-110
    1425-5766
    2353-1290
    Pojawia się w:
    Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Stability analysis of radial turning process for superalloys
    Analiza stabilności procesu toczenia promieniowego nadstopów
    Autorzy:
    Jiménez, A.
    Boto, F.
    Irigoien, I.
    Sierra, B.
    Suarez, A.
    Powiązania:
    https://bibliotekanauki.pl/articles/410109.pdf
    Data publikacji:
    2017
    Wydawca:
    STE GROUP
    Tematy:
    stability detection
    radial turning
    PCA
    wykrywanie stabilności
    toczenie promieniowe
    analiza głównych składowych (PCA)
    Opis:
    Stability detection in machining processes is an essential component for the design of efficient machining processes. Automatic methods are able to determine when instability is happening and prevent possible machine failures. In this work a variety of methods are proposed for detecting stability anomalies based on the measured forces in the radial turning process of superalloys. Two different methods are proposed to determine instabilities. Each one is tested on real data obtained in the machining of Waspalloy, Haynes 282 and Inconel 718. Experimental data, in both Conventional and High Pressure Coolant (HPC) environments, are set in four different states depending on materials grain size and Hardness (LGA, LGS, SGA and SGS). Results reveal that PCA method is useful for visualization of the process and detection of anomalies in online processes.
    Wykrywanie stabilności w procesach obróbki jest podstawowym składnikiem procesu projektowania wydajnych procesów obróbki. Automatyczne metody są w stanie określić kiedy nastąpi niestabilność i zapobiec ewentualnym awariom maszyny. W pracy przedstawiono różne metody wykrywania anomalii stabilności w oparciu o mierzone siły w procesie toczenia promieniowego nadstopów. W celu określenia niestabilności proponuje się dwie różne metody. Każda z nich jest testowana na podstawie rzeczywistych danych uzyskanych podczas obróbki materiałów: Waspalloy, Haynes 282 i Inconel 718. Dane doświadczalne, zarówno w środowisku konwencjonalnym, jak i przy chłodzeniu wysokociśnieniowym (HPC), zostały ustawiane w czterech różnych stanach w zależności od wielkości ziarna i twardości materiału (LGA , LGS, SGA i SGS). Wyniki pokazują, że metoda analizy głównych składowych (PCA) jest przydatna do wizualizacji procesu i wykrywania nieprawidłowości w bieżących procesach.
    Źródło:
    Management Systems in Production Engineering; 2017, 3 (25); 158-162
    2299-0461
    Pojawia się w:
    Management Systems in Production Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    A novel data mining approach for defect detection in the printed circuit board manufacturing process
    Autorzy:
    Bártová, Blanka
    Bína, Vladislav
    Powiązania:
    https://bibliotekanauki.pl/articles/2105321.pdf
    Data publikacji:
    2022
    Wydawca:
    Politechnika Białostocka. Oficyna Wydawnicza Politechniki Białostockiej
    Tematy:
    quality management
    defect detection
    AOI
    PCA
    PCB
    SVM
    zarządzanie jakością
    wykrywanie defektów
    Opis:
    This research aims to propose an effective model for the detection of defective Printed Circuit Boards (PCBs) in the output stage of the Surface-Mount Technology (SMT) line. The emphasis is placed on increasing the classification accuracy, reducing the algorithm training time, and a further improvement of the final product quality. This approach combines a feature extraction technique, the Principal Component Analysis (PCA), and a classification algorithm, the Support Vector Machine (SVM), with previously applied Automated Optical Inspection (AOI). Different types of SVM algorithms (linear, kernels and weighted) were tuned to get the best accuracy of the resulting algorithm for separating good-quality and defective products. A novel automated defect detection approach for the PCB manufacturing process is proposed. The data from the real PCB manufacturing process were used for this experimental study. The resulting PCALWSVM model achieved 100 % accuracy in the PCB defect detection task. This article proposes a potentially unique model for accurate defect detection in the PCB industry. A combination of PCA and LWSVM methods with AOI technology is an original and effective solution. The proposed model can be used in various manufacturing companies as a postprocessing step for an SMT line with AOI, either for accurate defect detection or for preventing false calls.
    Źródło:
    Engineering Management in Production and Services; 2022, 14, 2; 13--25
    2543-6597
    2543-912X
    Pojawia się w:
    Engineering Management in Production and Services
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-3 z 3

      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