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 "przekładnia stożkowa" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-3 z 3
    Tytuł:
    Toothed gear transmission diagnosis based on optimal features of vibration signal
    Diagnozowanie przekładni zębatej w oparciu o optymalne cechy sygnału drgań
    Autorzy:
    Jedliński, Ł.
    Jonak, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/360050.pdf
    Data publikacji:
    2011
    Wydawca:
    Akademia Morska w Szczecinie. Wydawnictwo AMSz
    Tematy:
    przekładnia stożkowa
    selekcja cech
    sztuczne sieci neuronowe
    bevel gear
    feature selection
    artificial neural network
    Opis:
    The article presents a method for reducing amount of discriminants required to evaluate technical condition of an object and a trial of evaluating it using artificial neural networks as a way of increasing certainty of the obtained results.
    W artykule przedstawiono metodę redukcji liczby dyskryminant wymaganych w ocenie stanu technicznego obiektu oraz próbę oceny stanu z użyciem sztucznych sieci neuronowych, jako środek zwiększenia pewności prognozy.
    Źródło:
    Zeszyty Naukowe Akademii Morskiej w Szczecinie; 2011, 26 (98); 33-37
    1733-8670
    2392-0378
    Pojawia się w:
    Zeszyty Naukowe Akademii Morskiej w Szczecinie
    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:
    Odszumianie danych rejestrowanych wielokanałowo z użyciem transformaty falkowej
    Multi-channel registered data denoising using wavelet trans form
    Autorzy:
    Jedliński, Ł.
    Powiązania:
    https://bibliotekanauki.pl/articles/1366285.pdf
    Data publikacji:
    2012
    Wydawca:
    Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
    Tematy:
    odszumianie danych
    transformata falkowa
    sztuczne sieci neuronowe
    przekładnia stożkowa
    denoising
    wavelet transform
    artificial neural network
    spiral bevel gear
    Opis:
    W celu uzyskania informacji o interesującym nas zjawisku lub obiekcie najczęściej rejestrowane są wybrane sygnały pomiarowe otrzymane za pośrednictwem czujników. Niestety uzyskane sygnały oprócz pożądanej informacji zawierają również zakłócenia, które są spowodowane m.in. właściwościami toru pomiarowego i procesami towarzyszącymi działaniu obiektu. W wielu przypadkach zachodzi potrzeba pomiaru takiej samej wielkości w różnych miejscach obiektu i/lub kierunkach. Potrzebne są zatem narzędzia do poprawy stosunku sygnału do szumu sygnałów rejestrowanych wielokanałowo. Transformata falkowa jest stosunkowo nową metodą przetwarzania danych, która znalazła zastosowanie w różnych dziedzinach takich jak technika i fizyka. W odniesieniu do sygnałów może być używana do odszumiania, kompresji, wykrywaniu trendu czy nieciągłości sygnału. W pracy tej transformata falkowa została użyta od odszumiania sygnałów drgań zarejestrowanych z dwóch trójosiowych czujników. Obiektem badań była przekładnia zębata stożkowa. Odszumianie sygnałów miało na celu poprawę skuteczności diagnozy uszkodzenia kół zębatych przekładni.
    In order to obtain information regarding given phenomenon or object, it is usually necessary to register selected measurement signals obtained using sensors. Unfortunately, obtained signals, apart form desired information, contain disturbances caused by, amongst many other, properties of the measurement channel and processes associated with object operation. In many cases it is necessary to measure the same value in different places and/or directions. Thus, there is a demand for a tool improving signal to noise ration of the multi-channel registered signals.Wavelet transform is a relatively new method of data processing used in different fields (e.g. technique and physics). In case of signals it can be used for denoising, compression, trend detection or discontinuity detection. In this work it was used to denoise vibration signals registered by two three-axis sensors. Object of investigation was the bevel toothed gear. Signals denoising was to improve efficiency of the diagnosis of transmission gears teeth damage.
    Źródło:
    Eksploatacja i Niezawodność; 2012, 14, 2; 145-149
    1507-2711
    Pojawia się w:
    Eksploatacja i Niezawodność
    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