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 "toothed gear" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-4 z 4
    Tytuł:
    Model rozwoju pittingu dla potrzeb diagnostyki w przekładniach zębatych
    Autorzy:
    Tomaszewski, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/329484.pdf
    Data publikacji:
    2000
    Wydawca:
    Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
    Tematy:
    przekładnia zębata
    pitting
    zużycie
    diagnostyka
    model
    toothed gear
    wear
    diagnostic
    Opis:
    Pitting jest procesem zużycia (nazywany też zużyciem guzełkowatym) zmęczeniowego, spowodowany cyklicznym oddziaływaniem naprężeń kontaktowych w granicach naprężeń Hertza, powstających w warstwach wierzchnich skojarzeń trybologicznych podczas toczenia z poślizgiem kół zębatych przy styku smarnym. Charakterystycznym obrazem powierzchni uszkodzonej pittingiem są liczne jamki o dość regularnym, często kroplowatym kształcie i ostrych krawędziach ścian. Liczba i rozmiary jamek pittingowych mogą ulegać zmianom (zwiększać się lub zmniejszać - pitting przemijający.) Dla potrzeb diagnostyki w niniejszej pracy zajęto się formą tzw. pittingu liniowego i lawinowego. Miarą rozwoju pittingu jest przyrost powierzchni uszkodzeń bocznej powierzchni zęba w określonej jednostce czasu. Z reguły, jeśli ten przyrost jest liniowy lub progresywny, to taka forma rozwoju pitingu prowadzi do uszkodzenia łożysk lub wyłamania zęba przekładni. Praktyka eksploatacyjna przekładni dużych mocy (cementownie, hutnictwo, energetyka) wskazuje na dość częste przypadki koniecznego ze względów ekonomicznych eksploatowania przekładni z wyraźnymi śladami pittingu liniowego i nawet początkowego stadium pittingu progresywnego. Dla tych przypadków eksploatacji przekładni, konieczny jest nadzór diagnostyczny, pozwalający ocenić zagrożenie wystąpienia lawinowej formy pittingu, prowadzącego w konsekwencji do konieczności wyłączenia z eksploatacji urządzenia. Opis postaci funkcji i doświadczalnej metodyk wyznaczenia jej parametrów jest przedmiotem niniejszego artykułu.
    Źródło:
    Diagnostyka; 2000, 23; 77-80
    1641-6414
    2449-5220
    Pojawia się w:
    Diagnostyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Averaging of the vibration signal with the synchronizing impulse location correction in tooth gear diagnostics
    Wykorzystanie uśredniania sygnału drganiowego z korekcją położenia impulsu synchronizującego w diagnostyce przekładni zębatych
    Autorzy:
    Wojnar, G.
    Łazarz, B.
    Powiązania:
    https://bibliotekanauki.pl/articles/329182.pdf
    Data publikacji:
    2007
    Wydawca:
    Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
    Tematy:
    przekładnia zębata
    uśrednianie synchroniczne
    estymacja opóźnienia czasowego
    diagnostyka
    signal averaging
    time-delay estimation
    diagnostic
    toothed gear
    Opis:
    One of the methods applied to detect pinion or gear wheel damage is an analysis of a signal synchronously averaged by the rotation period of a pinion shaft or gear shaft, respectively. For technical reasons, it is often impossible to record the reference signal directly connected with the diagnosed wheel in industrial conditions. The signal is then connected with a rotating element available outside the gear. As a result of torsional vibration in a system of shafts or gear casing vibration in a place where the shaft's angular position sensor is fixed, or in consequence of a too slowly rising reference signal edge, a synchronizing impulse occurs at wheel's angular positions varying by an insignificant value. This paper presents the usefulness of time-delay estimation methods in the process of vibration signals' synchronous averaging.
    Jednym ze sposobów wykrywania uszkodzeń zębnika lub koła jest analiza sygnału uśrednionego synchronicznie odpowiednio okresem obrotu wału zębnika lub koła. W warunkach przemysłowych ze względów technicznych często nie jest możliwe rejestrowanie sygnału odniesienia związanego bezpośrednio z diagnozowanym kołem. Wtedy sygnał ten wiąże się z dostępnym na zewnątrz przekładni elementem wirującym. Na skutek drgań skrętnych w układzie wałów, drgań korpusu przekładni w miejscu mocowania czujnika położenia kątowego wału i często zbyt wolno narastającego zbocza sygnału referencyjnego impuls synchronizujący występuje przy położeniach kątowych koła różniących się o niewielką wartość. W niniejszym artykule przedstawiono przydatność metod estymacji przesunięcia czasowego w procesie uśredniania synchronicznego sygnałów drganiowych.
    Źródło:
    Diagnostyka; 2007, 4(44); 19-24
    1641-6414
    2449-5220
    Pojawia się w:
    Diagnostyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Klasyfikator lokalnych uszkodzeń zębów kół przekładni, wykorzystujący sieci neuronowe MLP oraz ciągłą transformatę falkową
    Classifier of fault diagnosis in a gear wheel which used MLP neural network and continuous wavelet transform
    Autorzy:
    Czech, P.
    Powiązania:
    https://bibliotekanauki.pl/articles/257799.pdf
    Data publikacji:
    2007
    Wydawca:
    Sieć Badawcza Łukasiewicz - Instytut Technologii Eksploatacji - Państwowy Instytut Badawczy
    Tematy:
    diagnostyka
    przekładnia zębata
    metoda sztucznej inteligencji
    sztuczna sieć neuronowa
    MLP
    diagnostic testing
    toothed gear
    artificial intelligent methods
    PNN
    Opis:
    W artykule przedstawiono wyniki prób mających na celu budowę klasyfikatora lokalnych uszkodzeń zębów kół przekładni, opartego na sztucznych sieciach neuronowych. W badaniach wykorzystano sieci neuronowe typu perceptron wielowarstwowy (MLP). Obiekt badań stanowiła przekładnia zębata o zębach prostych, pracująca na stanowisku mocy krążącej FZG. Badaniami objęto przekładnie z kołami bez uszkodzeń oraz z lokalnymi uszkodzeniami zębów w postaci pęknięcia u podstawy zęba i wykruszenia wierzchołka zęba. W artykule zaproponowano budowę deskryptorów lokalnych uszkodzeń zębów kół wykorzystując do tego celu sygnały drganiowe poddane odpowiedniej filtracji oraz przetwarzaniu.
    The paper presents the results of an experimental application of an artificial neural network as a classifier of the degree of the cracking root and the chipping tip of the tooth in a gear wheel. The neural classifier was based on the artificial neural network of an MLP type (Multi-Layer Perceptions). The input data for the classifier was in the form of a matrix composed of statistical measures, obtained from continuous wavelet analysis. In order to create a basis of knowledge, a stand testing was done. The experimental tests were conducted in the system operating as circulating power test rigs. As a result, the method of standard construction for diagnostic systems based on artificial intelligence was also worked out by means of defining the ways of filtrating and analysing of signals and diagnostic measurements. Additionally, the choice of the architecture and algorithm of teaching artificial neural networks used to classify the state of an object was researched.
    Źródło:
    Problemy Eksploatacji; 2007, 4; 61-81
    1232-9312
    Pojawia się w:
    Problemy Eksploatacji
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Wykorzystanie algorytmów genetycznych do doboru wejść klasyfikatora uszkodzeń zębów kół przekładni opartego na sieci neuronowej PNN oraz krótkoczasowej transformacie Fouriera
    The use of genetic algorithms in the task of choosing inputs for PNN neural network classifier of faults of gear-tooth which used inputs from STFT analysis
    Autorzy:
    Czech, P.
    Powiązania:
    https://bibliotekanauki.pl/articles/258316.pdf
    Data publikacji:
    2007
    Wydawca:
    Sieć Badawcza Łukasiewicz - Instytut Technologii Eksploatacji - Państwowy Instytut Badawczy
    Tematy:
    diagnostyka
    przekładnia zębata
    sztuczna inteligencja
    sztuczna sieć neuronowa
    algorytm genetyczny
    krótkoczasowa transformata Fouriera
    diagnostic
    toothed gear
    artificial intelligent method
    PNN
    genetic algorithm
    short-time Fourier transform
    Opis:
    W artykule przedstawiono wyniki prób mających na celu budowę klasyfikatora lokalnych uszkodzeń zębów kół przekładni, opartego na sztucznych sieciach neuronowych. W badaniach wykorzystywano probabilistyczne sieci neuronowe (PNN). Dodatkowo podjęto próbę wykorzystania algorytmów genetycznych do celów wyboru wejść klasyfikatora neuronowego. Badania oparto na sygnałach drganiowych otrzymanych z modelu dynamicznego przekładni pracującej w układzie napędowym. W artykule zaproponowano sposób budowy deskryptorów lokalnych uszkodzeń zębów kół wykorzystując do tego celu sygnały drganiowe poddane odpowiedniej filtracji oraz przetwarzaniu z użyciem krótkoczasowej transformaty Fouriera (STFT).
    The present paper presents the results of an experimental application of probabilistic neural network as a classifier of the degree of cracking root of the tooth in a gear wheel. The input data for the classifier was in a form of matrix composed of statistical measures, obtained from short time Fourier transform. The model of gearbox was used in order to create a base of knowledge. In the experiment genetic algorithms was used to check influence of choosing inputs for neural classifier on diagnostic error.
    Źródło:
    Problemy Eksploatacji; 2007, 3; 51-70
    1232-9312
    Pojawia się w:
    Problemy Eksploatacji
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-4 z 4

      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