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 "Cempel, C." wg kryterium: Autor

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-3 z 3
    Tytuł:
    Forecasting the global and partial system condition by means of multidimensional condition monitoring methods
    Prognozowanie globalnego i cząstkowego stanu za pomocą metod wielowymiarowej diagnostyki maszyn
    Autorzy:
    Cempel, C.
    Powiązania:
    https://bibliotekanauki.pl/articles/280840.pdf
    Data publikacji:
    2008
    Wydawca:
    Polskie Towarzystwo Mechaniki Teoretycznej i Stosowanej
    Tematy:
    condition monitoring
    multidimensional observation
    singular value decomposition
    generalized fault symptoms
    grey models
    forecasting
    Opis:
    Machines have many faults which evolve during their operation. If one observes some number of symptoms during the machine operation, it is possible to capture fault oriented information. One of the methods to extract fault information from such a symptom observation matrix is to apply the Singular Value Decomposition (SVD), obtaining in this way the generalized fault symptoms. The problem of this paper is to find if the total damage symptom, being a sum of all generalized symptoms is the best way to infer on machine condition or is it better to use the first generalized symptom for the same purposes. There were some new software created for this purpose, and two cases of machine condition monitoring considered, but so far it is impossible to state that one of the inference methods is better. Moreover, it seems to the author that both inference methods are complimentary for each other, and should be used together to increase the reliability of diagnostic decision.
    Maszyny mają wiele uszkodzeń, które ewoluują podczas ich pracy (życia). Jeśli obserwujemy pewną liczbę symptomów stanu podczas pracy maszyny, to jesteśmy w stanie uchwycić informację uszkodzeniową zorientowaną, za pomocą tzw. symptomowej macierzy obserwacji (SOM). Jedną z metod dalszej ekstrakcji tej informacji diagnostycznej jest zastosowanie rozkładu według wartości szczególnych (SVD) do SOM. Problem postawiony w tej pracy polega na rozstrzygnięciu kwestii, czy w diagnostyce stanu używać uogólnionego symptomu całkowitego uszkodzenia maszyny, czy też posłużyć się tylko uogólnionym symptomem dominującego uszkodzenia. W tym celu stworzono dodatkowe oprogramowanie, dzięki któremu pokazano, że takie dychoto- miczne postawienie kwestii nie jest niewłaściwe. Najlepiej używać obydwa symptomy uogólnione, wtedy nasza wiedza o stanie maszyny jest pełniejsza.
    Źródło:
    Journal of Theoretical and Applied Mechanics; 2008, 46, 4; 777-797
    1429-2955
    Pojawia się w:
    Journal of Theoretical and Applied Mechanics
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    The global and partial system condition assessment in multidimensional condition monitoring
    Całkowita i cząstkowa ocena stanu w wielowymiarowej diagnostyce maszyn
    Autorzy:
    Cempel, C.
    Powiązania:
    https://bibliotekanauki.pl/articles/327240.pdf
    Data publikacji:
    2009
    Wydawca:
    Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
    Tematy:
    nadzorowanie stanu
    obserwacja wielowymiarowa
    rozkład SVD
    symptomy uogólnione
    szare modele
    prognozowanie
    pewność decyzji
    condition monitoring
    multidimensional observation
    singular value decomposition
    generalized fault symptoms
    grey models
    forecasting
    decision reliability
    Opis:
    Machines have many faults which evolve during its life (operation). Observing some number of symptoms during the machine operation it is possible to capture needed fault oriented information. One of the methods to extract fault information from such symptom observation matrix (SOM) is to apply the singular value decomposition (SVD), obtaining in this way the generalized fault symptoms. The problem of this paper is to use the total damage symptom, being a sum of all generalized symptoms. Also we will use the first generalized symptom as the dominating fault symptom, to infer better on machine condition. There was some new software created for this purpose, and some cases of machine condition monitoring have been considered as examples. Considering these it seems to the author, that both generalized symptoms should be used for the inference on machine condition. They are complimentary each other in some way, and should be used together to increase the reliability of diagnostic decision.
    Maszyny mają wiele uszkodzeń, które ewoluują w trakcie ich pracy. Jeżeli obserwujemy pewną liczbę dobranych symptomów w trakcie życia obiektu możemy tą informację o uszkodzeniach wychwycić w zapisie symptomowej macierzy obserwacji (SOM). Ekstrakcja tej informacji uszkodzeniowej jest możliwa za pomocą procedury SVD, która wyodrębnia poszczególne uogólnione symptomy związane z niezależnymi uszkodzeniami w maszynie. Zazwyczaj mamy sytuacje jednego dominującego symptomu i nasze wnioskowanie diagnostyczne może być związane z tym dominującym symptomem, lub też z tzw. uszkodzeniem całkowitym jako suma wszystkich uogólnionych symptomów. Problemem pracy jest właśnie pytanie; czy wziąć pod uwagę jedynie dominujące uszkodzenie, czy też całkowite. Okazuje się z kilku przykładów, że większą pewność decyzji diagnostycznej uzyskamy jeżeli w weźmiemy pod uwagę oba symptomy, symptom całkowitego uszkodzenia jak i dominujący symptom.
    Źródło:
    Diagnostyka; 2009, 4(52); 23-34
    1641-6414
    2449-5220
    Pojawia się w:
    Diagnostyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Singular spectrum analysis as a smoothing method of load variability
    Analiza widma szczególnego jako metoda wygładzania zmienności obciążenia
    Autorzy:
    Cempel, C.
    Tabaszewski, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/327782.pdf
    Data publikacji:
    2010
    Wydawca:
    Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
    Tematy:
    diagnostyka
    rozkład na wartości szczególne
    analiza widma szczególnego
    condition monitoring
    singular value decomposition
    singular spectrum analysis
    Opis:
    Application of SVD to fault extraction from the machine symptom observation matrix (SOM) seems to be validated enough, especially by data taken from many real diagnostic cases. However, frequently we have situation of varying machine load during the production process, where by observed primary symptoms are influenced greatly. This concerns generalized symptoms too, so decision making process and forecasting is disturbed. But we can apply some new data smoothing procedure called singular spectrum analysis (SSA), to eliminate load influenced symptom fluctuation, and obtain the machine wear trend only. This seems to be true, as it was shown in the paper, but special care should be taken to choose smoothing approximation order properly.
    Zastosowanie rozkładu SVD do wydobycia informacji o uszkodzeniu z symptomowej macierzy obserwacji (ang. SOM) wydaje się być wystarczająco uzasadnione, szczególnie dla danych pochodzących z wielu rzeczywistych przypadków diagnostycznych. Jednakże w wielu przypadkach mamy do czynienia z sytuacją zmiennych obciążeń maszyny podczas procesu produkcji, silnie wpływających na obserwowane symptomy. Dotyczy to także symptomów uogólnionych, co utrudnia proces podejmowania decyzji i prognozowania. Możemy jednak zastosować pewną nową procedurę wygładzania nazywaną analizą widma szczególnego (ang. SSA), aby wyeliminować obciążenia wpływające na fluktuacje symptomu i otrzymać tylko trend zużycia maszyny. Wydaje się to być prawdą, jak zostało pokazane w pracy, jednak z zachowaniem szczególnej uwagi w poprawnym wyborze rzędu przybliżenia w procedurze wygładzania.
    Źródło:
    Diagnostyka; 2010, 4(56); 3-8
    1641-6414
    2449-5220
    Pojawia się w:
    Diagnostyka
    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