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 "condition monitoring" wg kryterium: Temat

  Lista filtrów
Wyrównaj
Wyświetlanie 1-15 z 20
Tytuł:
Fault diagnosis of high-speed rotating machines using MATLAB
Autorzy:
Joshi, Mahesh B.
Pujari, Kamlesh S.
Powiązania:
https://bibliotekanauki.pl/articles/2203637.pdf
Data publikacji:
2023
Wydawca:
Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
Tematy:
fault diagnosis
condition monitoring
MATLAB
diagnostyka uszkodzeń
monitorowanie stanu
Opis:
Industrial high-speed rotating machines entail constant and consistent monitoring to prevent downtime, affecting quantity and quality. Complex machines need advanced intelligent fault diagnosis showing minimal errors. This work offers a MATLAB-based fault diagnosis for sugar industry machines. The vibration behavior of physical industrial machines is obtained, and the signals are provided to a MATLAB program to identify the fault. The information helps to suggest remedies to include in the maintenance schedule. The ease and comprehensible nature of the method reduce time and enhance the reliability of condition monitoring for industrial machines.
Źródło:
Diagnostyka; 2023, 24, 2; art. no. 2023208
1641-6414
2449-5220
Pojawia się w:
Diagnostyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Mobile devices in diagnostic systems
Urządzenia bezprzewodowe w systemach diagnostycznych
Autorzy:
Cholewa, A.
Powiązania:
https://bibliotekanauki.pl/articles/329538.pdf
Data publikacji:
2012
Wydawca:
Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
Tematy:
diagnostyka techniczna
monitorowanie stanu
monitorowanie bezprzewodowe
technical diagnostics
condition monitoring
mobile monitoring
Opis:
The strong growth of mobile technologies with increasing quality and data rates encourage the use of mobile terminals for diagnostic purposes. It concerns the diagnostics of simple objects for everyday use as well as complex objects that often belong to a group of machines called critical objects. There is no doubt that such solutions will be expected by the operators of machinery and equipment in the near future. Solutions based on mobile technologies require appropriate preparation of diagnostic mobile applications in many aspects. The reasonable implementation of mobile devices forces the application designer to solve at least two difficult tasks. The first task relates to the design of user interface functionality and shape, taking into account a number of existing constraints, such as the screen size of mobile device, performance of the unit, applied data transmission technology and a quality of secure data channel in a mobile network. The second task is associated with the selection of optimal technology used to operate in mobile environment with detailed substantiation of the decision. The aim of this paper is to describe the basic principles which should guide the implementation of solutions enabling the user wireless access to diagnostic data of a technical object. Also basic requirements for well-designed user interface of the mobile application will be given in the paper.
Silny rozwój technologii mobilnych, któremu towarzyszy podwyższanie jakości i szybkości przesyłania danych zachęca do korzystania z terminali mobilnych do celów diagnostycznych. Dotyczy to diagnostyki prostych obiektów codziennego użytku, jak również złożonych obiektów, które często należą do grupy maszyn nazywanych obiektami krytycznymi. Nie ma wątpliwości, że takie rozwiązania będą w najbliższej przyszłości oczekiwane przez operatorów maszyn i urządzeń. Rozwiązania oparte na technologiach mobilnych, wymagają odpowiedniego przygotowania diagnostycznych aplikacji przeznaczonych na urządzenia mobilne z uwzględnieniem wielu aspektów. Wdrożenie urządzeń mobilnych wymusza na projektancie aplikacji rozwiązanie co najmniej dwóch trudnych zadań. Pierwsze zadanie dotyczy projektowania funkcjonalności interfejsu użytkownika i jego postaci, biorąc pod uwagę liczbę istniejących ograniczeń, takich jak rozmiar ekranu urządzenia mobilnego, wydajność urządzenia, stosowaną technologię transmisji danych oraz jakość zabezpieczenia kanału przesyłu danych przez sieć bezprzewodową. Drugie zadanie jest związane z wyborem optymalnej technologii, która będzie użyta na urządzeniu bezprzewodowym. Celem niniejszego opracowania jest przedstawienie podstawowych zasad, które powinny przyświecać wdrażaniu rozwiązań umożliwiających użytkownikom realizację bezprzewodowej diagnostyki obiektu technicznego. W artykule przedstawione zostaną także podstawowe wymagania dla dobrze zaprojektowanego interfejsu użytkownika aplikacji mobilnej.
Źródło:
Diagnostyka; 2012, 1(61); 59-64
1641-6414
2449-5220
Pojawia się w:
Diagnostyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Condition monitoring of railway shock absorbers
Monitorowanie stanu amortyzatorów kolejowych
Autorzy:
Poprawski, W.
Kars, J. W.
Powiązania:
https://bibliotekanauki.pl/articles/327182.pdf
Data publikacji:
2004
Wydawca:
Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
Tematy:
amortyzatory
monitorowanie stanu
sieci neuronowe
shock adsorbers
condition monitoring
neural networks
Opis:
The paper presents the study on condition monitoring system of railway shock absorbers. The anti-yaw dampers have been chosen to apply the condition monitoring system. The application of condition monitoring system can increase safety of the train as well as reduce maintenance, service time and idle costs of the trains. The backpropagation neural network has been chosen for the decision making system.
Przedstawiono prace nad systemem monitoro-wania amortyzatorów kolejowych. Jedne z amorty-zatorów są szczególnie odpowiedzialne za stabilność wózka podczas jazdy z dużymi prędkościami. Zastosowanie monitorowania stanu może zwiększyć bezpieczeństwo pociągu oraz zredukować czas i koszty serwisu. W systemie podejmowania decyzji została zastosowana sieć neuronowa (backpropagation).
Źródło:
Diagnostyka; 2004, 30, T. 2; 65-68
1641-6414
2449-5220
Pojawia się w:
Diagnostyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Diagnosis of air compressor condition using minimum redunduncy maximum relevance (MRMR) algorithim and distance metric based classification
Autorzy:
Al-Bugharbee, Hussein
Samaka, Hatem
Zubaidi, Salah L.
Powiązania:
https://bibliotekanauki.pl/articles/1955226.pdf
Data publikacji:
2021
Wydawca:
Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
Tematy:
condition monitoring
Mahalanobis distance
signal processing
monitorowanie stanu
przetwarzanie sygnałów
odległość Mahalanobisa
Opis:
Finding a reliable machines condition monitoring technique has been attracted many researchers to avoid the sudden failure in machines and the unexpected consequences. This work proposes a fault diagnosis of air compressors using frequency-based features and distance metric-based classification. The analyzed experimental datasets contain one healthy condition and seven different fault conditions. Features are extracted from the frequency spectrum, then the best feature sets are selected using MRMR algorithm and eventually the classification is conducted using a distance metric classifier. The results demonstrated the automatic classification with more than 97% correct classification rate. The effect of selected feature set size, training sample size on the classification accuracy is also investigated. From the results, this method of analysis can be used for early detection of faults with very great accuracy.
Źródło:
Diagnostyka; 2021, 22, 4; 25-32
1641-6414
2449-5220
Pojawia się w:
Diagnostyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
An integrated econometric model for bus replacement and determination of reserve fleet size based on predictive maintenance
Zintegrowany ekonometryczny model do modelowania wymiany taboru autobusowego oraz określania wielkości floty rezerwowej w oparciu o konserwację predykcyjną
Autorzy:
Raposo, H.
Farinha, J. T.
Ferreira, L.
Galar, D.
Powiązania:
https://bibliotekanauki.pl/articles/300844.pdf
Data publikacji:
2017
Wydawca:
Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
Tematy:
monitorowanie stanu
koszty cyklu życia
wymiana
flota rezerwowa
condition monitoring
LCC
replacement
reserve fleet
Opis:
Polityka konserwacji wpływa na gotowość sprzętu, a tym samym na wydajność i konkurencyjność przedsiębiorstwa. Ważne jest optymalizowanie kosztów cyklu życia (LCC) aktywów, w tym przypadku taboru autobusowego. W artykule przedstawiono metodę utrzymania ruchu polegającą na predykcyjnym monitorowaniu stanu w oparciu o analizę oleju silnikowego w celu oceny potencjalnego wpływu tej zmiennej na gotowość autobusów. Podejście to ma praktyczne konsekwencje jeśli chodzi o koszty utrzymania w trakcie eksploatacji autobusu, a także pozwala na ustalenie najlepszego czasu na wymianę pojazdów taboru. W pracy przedstawiono przegląd ekonomicznych modeli wymiany oraz opracowano model globalny integrujący te modele, ze szczególnym uwzględnieniem gotowości oraz jej zależności od konserwacji oraz kosztów utrzymania ruchu. Czynniki te pomagają określić wielkość floty rezerwowej i zapewnić gotowość taboru.
Maintenance policies influence equipment availability and, thus, they affect a company’s capacity for productivity and competitiveness. It is important to optimize the Life Cycle Cost (LCC) of assets, in this case, passenger bus fleets. The paper presents a predictive condition monitoring maintenance approach based on engine oil analysis, to assess the potential impact of this variable on the availability of buses. The approach has implications on maintenance costs during the life of a bus and, consequently, on the determination of the best time for bus replacement. The paper provides an overview of economic replacement models through a global model, with an emphasis on availability and its dependence on maintenance and maintenance costs. These factors help to determine the size of the reserve fleet and guarantee availability.
Źródło:
Eksploatacja i Niezawodność; 2017, 19, 3; 358-368
1507-2711
Pojawia się w:
Eksploatacja i Niezawodność
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Health and usage monitoring of aerospace structures
Eksploatacja i detekcja uszkodzeń konstrukcji lotniczych
Autorzy:
Staszewski, W. J.
Powiązania:
https://bibliotekanauki.pl/articles/327462.pdf
Data publikacji:
2004
Wydawca:
Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
Tematy:
konstrukcje lotnicze
detekcja uszkodzeń
monitorowanie stanu
inteligentne czujniki
aerospace structures
damage monitoring
condition monitoring
smart sensor technologies
Opis:
Aircraft maintenance involves usage and/or damage detection of structures. Usage is asso-ci-ated with measuring load sequences and a typical application example is Operational Loads Monitoring (OLM) whereby either flight parameters or direct structural strain measurements in aircraft are used to quantify the fatigue life of the structure. Current damage monitoring involves traditional non-destructive techniques such as Eddy Current or Ultrasonics. The paper gives a brief overview of currently used and emerging technologies in maintenance of aerospace structures. Re-cent developments in this area, related to damage detection techniques based on integrated smart sensor technologies, are also discussed. These techniques are associated with a new design phi-losophy leading to multifunctional and adaptable structures.
Eksploatacja samolotów związana jest z monitorowaniem stanu zużycia oraz detekcją uszko-dzeń konstrukcji. Monitorowanie stanu zużycia samolotu sprowadza się do analizy obciążeń kon-strukcji oraz do szacowania i prognozy wytrzymałości zmęczeniowej. Metoda pośrednia oparta jest na parametrach lotu, podczas gdy metoda bezpośrednia wykorzystuje pomiary odkształceń konstrukcji. Tradycyjne metody detekcji uszkodzeń konstrukcji lotniczych wykorzystują badania nieniszczące oparte na indukcji magnetycznej oraz ultradźwiękach. Praca przedstawia w skrócie tradycyjne oraz nowe metody detekcji uszkodzeń wykorzystywane w eksploatacji samolotów. Nowe metody, oparte na inteligentnych czujnikach pomiarowych zintegrowanych z samolotem, związane są z nową koncepcją projektowania wielofunkcyjnych i adaptacyjnych konstrukcji.
Źródło:
Diagnostyka; 2004, 30, T. 2; 105-112
1641-6414
2449-5220
Pojawia się w:
Diagnostyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Condition monitoring indicators for pitting detection in planetary gear units
Autorzy:
Berlato, Francesco
D’elia, Gianluca
Battarra, Mattia
Dalpiaz, Giorgio
Powiązania:
https://bibliotekanauki.pl/articles/328402.pdf
Data publikacji:
2020
Wydawca:
Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
Tematy:
condition monitoring
planetary gearbox
distributed wear
vibration metrics
przekładnia planetarna
diagnostyka
monitorowanie stanu
wibracje
zużycie
Opis:
In industrial field, there is an increasing demand for monitoring systems enabling predictive maintenance programs. In this context, the present work concerns the monitoring of distributed wear (pitting) in planetary gearboxes. For this purpose, some metrics of the synchronous average of the vibration signal, based on the statistical moment of the fourth order, are present in literature; in this paper, a new indicator is proposed, namely NA4mod. The effectiveness of this metric in identifying the early stage of pitting has been evaluated by conducting an accelerated life test of about 700 hours on a test bench using a back-to-back configuration. The paper introduces the proposed metric, describes the test, presents and dis-cusses the results. Metric NA4mod exhibits satisfactory capability to detect pitting with better reliability than other metrics in literature. In addition, the metric is shown to be sensitive to both early stage damage and pitting severity in the final stage. Results are verified by means of wavelet-transform analysis.
Źródło:
Diagnostyka; 2020, 21, 1; 3-10
1641-6414
2449-5220
Pojawia się w:
Diagnostyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Predicting motor oil condition using artificial neural networks and principal component analysis
Prognozowanie stanu oleju silnikowego za pomocą sztucznych sieci neuronowych i analizy składowych głównych
Autorzy:
Rodrigues, Joao
Costa, Ines
Farinha, J. Torres
Mendes, Mateus
Margalho, Luis
Powiązania:
https://bibliotekanauki.pl/articles/1841873.pdf
Data publikacji:
2020
Wydawca:
Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
Tematy:
condition monitoring
oil analysis
multivariate analysis
predictive maintenance
monitorowanie stanu
analiza oleju
analiza wielowymiarowa
konserwacja predykcyjna
Opis:
The safety and performance of engines such as Diesel, gas or even wind turbines depends on the quality and condition of the lubricant oil. Assessment of engine oil condition is done based on more than twenty variables that have, individually, variations that depend on the engines’ behaviour, type and other factors. The present paper describes a model to automatically classify the oil condition, using Artificial Neural Networks and Principal Component Analysis. The study was done using data obtained from two passenger bus companies in a country of Southern Europe. The results show the importance of each variable monitored for determining the ideal time to change oil. In many cases, it may be possible to enlarge intervals between maintenance interventions, while in other cases the oil passed the ideal change point.
Bezpieczeństwo i wydajność silników takich, jak silniki Diesla czy gazowe, a nawet turbiny wiatrowe, zależą od jakości i stanu oleju smarowego. Stanu oleju silnikowego ocenia się na podstawie ponad dwudziestu zmiennych, z których każda ulega wahaniom w zależności od typu i zachowania silnika oraz innych czynników. W niniejszym artykule opisano model, który pozwala na automatyczną klasyfikację stanu oleju, z wykorzystaniem sztucznych sieci neuronowych i analizy składowych głównych. Badania przeprowadzono na podstawie danych uzyskanych od dwóch przewoźników pasażerskich działających na terenie jednego z krajów położonych na południu Europy. Wyniki pokazują, że każda z monitorowanych zmiennych ma znaczenie dla określenia idealnego czasu na wymianę oleju. Podczas gdy w wielu przypadkach w badanych przedsiębiorstwach możliwe było zwiększenie odstępów czasowych między działaniami konserwacyjnymi, w innych, idealny moment wymiany oleju został przekroczony.
Źródło:
Eksploatacja i Niezawodność; 2020, 22, 3; 440-448
1507-2711
Pojawia się w:
Eksploatacja i Niezawodność
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Automatic method for spectral pattern association with characteristic frequencies
Metoda automatycznego łączenia schematów spektralnych z charakterystycznymi częstotliwościami
Autorzy:
Firla, M.
Gerber, T.
Bellemain, P.
Martin, N.
Powiązania:
https://bibliotekanauki.pl/articles/328595.pdf
Data publikacji:
2015
Wydawca:
Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
Tematy:
condition monitoring
characteristic fault frequencies
wind shaft turbine
diagnosis
monitorowanie stanu
częstotliwości charakterystyczne uszkodzeń
diagnostyka
wał
turbina wiatrowa
Opis:
This paper proposes an advanced signal-processing technique to improve the condition monitoring of rotating machinery. The proposed method employs the results of a blind spectrum interpretation including harmonic and sideband series detection. The contribution of this paper is an algorithm for automatic association of harmonic and sideband series with the characteristic fault frequencies listed in the kinematic configuration of the monitored system. The proposed algorithm is efficient in inspection of real-world signals, which contain a vast number of detected spectral components. The proposed approach has the advantage of taking into account a possible slip of the rolling-element bearings. The performance of the proposed algorithm is illustrated on real-world data by investigating a shaft problem of an industrial wind turbine high-speed shaft.
W artykule zaproponowano zaawansowaną technikę przetwarzania sygnałów w celu poprawy monitorowania stanu maszyn wirujących. Przedstawiona metoda wykorzystuje wyniki ślepej interpretacji widma sygnału, m. in. detekcję serii harmonicznych i wstęg bocznych. Wkład zaprezentowany w tym artykule to algorytm do automatycznego łączenia serii harmonicznych oraz wstęg bocznych z charakterystycznymi częstotliwościami dostępnymi na podstawie konfiguracji kinematycznej monitorowanej maszyny. Zaproponowany algorytm jest skuteczny w badaniu sygnałów rzeczywistych, które zawierają dużą liczbę wykrytych elementów widmowych. Zaletą zaproponowanej metody jest uwzględnianie możliwego poślizgu łożyska tocznego. Działanie zaproponowanego algorytmu zostało zilustrowane na przykładzie rzeczywistych danych, który pokazuje problem wału wysokoobrotowego przemysłowej turbiny wiatrowej.
Źródło:
Diagnostyka; 2015, 16, 4; 77-84
1641-6414
2449-5220
Pojawia się w:
Diagnostyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Podejmowanie decyzji eksploatacyjnych w oparciu o fuzję różnego typu danych
Maintenance Decision Making based on different types of data fusion
Autorzy:
Galar, D.
Gustafson, A.
Tormos, B.
Berges, L.
Powiązania:
https://bibliotekanauki.pl/articles/301602.pdf
Data publikacji:
2012
Wydawca:
Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
Tematy:
eksploracja danych
pozostały okres użytkowania (RUL)
fuzja danych
monitorowanie stanu
CMMS
data mining
RUL
data fusion
condition monitoring
Opis:
Over the last decade, system integration is applied more as it allows organizations to streamline business processes. A recent development in the asset engineering management is to leverage the investment already made in process control systems. This allows the operations, maintenance, and process control teams to monitor and determine new alarm level based on the physical condition data of the critical machines. Condition-based maintenance (CBM) is a maintenance philosophy based on this massive data collection, wherein equipment repair or replacement decisions depend on the current and projected future health of the equipment. Since, past research has been dominated by condition monitoring techniques for specific applications; the maintenance community lacks a generic CBM implementation method based on data mining of such vast amount of collected data. The methodology would be relevant across different domains. It is necessary to integrate Condition Monitoring (CM) data with management data from CMMS (Computer Maintenance Management Systems) which contains information, such as: component failures, failure information related data, servicing or repairs, and inventory control and so on. These systems are the core of traditional scheduled maintenance practices and rely on bulk observations from historical data to make modifications to regulated maintenance actions. The most obvious obstacle in the integration of CMMS, process and CM data is the disparate nature of the data types involved, and there have benn several attempts to remedy this problem. Although, there have been many recent efforts to collect and maintain large repositories of these types of data, there have been relatively few studies to identify the ways these to datasets could be related. This paper attempts to fulfill that need by proposing a combined data mining-based methodology for CBM considering CM data and Historical Maintenance Management data. It shows a system integration of physical and management data that also supports business intelligence and data mining where data sets can be combined in non-traditional ways.
W ostatniej dekadzie coraz częściej stosuje się integrację systemów, która pozwala przedsiębiorstwom zwiększać wydajność procesów biznesowych. Nowością w zarządzaniu infrastrukturą techniczną jest zwiększanie efektywności już poczynionych inwestycji w systemy kontroli procesów. Pozwala to zespołom do spraw operacyjnych, utrzymania ruchu oraz kontroli procesów monitorować i ustalać nowe poziomy alarmowe na podstawie danych o stanie fizycznym maszyn krytycznych. Utrzymanie urządzeń zależne od ich bieżącego stanu technicznego (condition-based maintenance, CBM) to filozofia utrzymania ruchu opierająca się na tym masowym poborze danych, wedle której decyzje dotyczące naprawy lub wymiany sprzętu zależą od jego obecnego oraz przewidywanego przyszłego stanu technicznego. Ponieważ dotychczasowe badania były zdominowane przez problem technik monitorowania stanu dla konkretnych aplikacji, nie opracowano ogólnej metody wdrażania CBM opartej na eksploracji (data mining ) owych olbrzymich ilości zebranych danych, która miałaby zastosowanie w różnych domenach. Konieczna jest integracja danych z monitorowania stanu (condition monitoring, CM) z danymi dotyczącymi zarządzania pochodzącymi ze skomputeryzowanych systemów zarządzania utrzymaniem ruchu (CMMS), które zawierają informacje na temat uszkodzeń elementów składowych, dane związane z uszkodzeniami, a także informacje dotyczące obsługi lub napraw czy sterowania zapasami. Systemy te stanowią podstawę tradycyjnych praktyk obsługi planowej, a zasadzają się na całościowych obserwacjach dokonywanych na podstawie danych eksploatacyjnych, które pozwalają modyfikować regulowane działania obsługowe. Najbardziej oczywistą przeszkodą w integracji danych CMMS, danych procesowych oraz danych z monitorowania stanu jest rozbieżność ich natury. Dotychczas podjęto jedynie kilka prób rozwiązania tego problemu. Chociaż ostatnio wiele wysiłku włożono w gromadzenie i utrzymanie dużych zasobów tego typu danych, istnieje stosunkowo niewiele badań na temat możliwych sposobów powiązania owych zestawów danych. W prezentowanej pracy poczyniono próbę wypełnienia tej luki proponując metodologię łączoną opartą na eksploracji danych dla celów CBM, która bierze pod uwagę dane z monitorowania stanu i eksploatacyjne dane z zarządzania ruchem. W pracy przedstawiono integrację systemową danych fizycznych i danych z zarządzania, która wspiera także analitykę biznesową (business intelligence) oraz eksplorację danych, gdzie zestawy danych można łączyć w sposób nietradycyjny.
Źródło:
Eksploatacja i Niezawodność; 2012, 14, 2; 135-144
1507-2711
Pojawia się w:
Eksploatacja i Niezawodność
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
A smart fault identification system for ball bearing using simulation-driven vibration analysis
Autorzy:
Khaire, Pallavi
Phalle, Vikas
Powiązania:
https://bibliotekanauki.pl/articles/27309884.pdf
Data publikacji:
2023
Wydawca:
Polska Akademia Nauk. Czasopisma i Monografie PAN
Tematy:
condition monitoring
bearing defect
FFT analyzer
BPFI
BPFO
multiclass support
vector machine
monitorowanie stanu
wada łożyska
analizator FFT
maszyna wektorowa
Opis:
Bearings are one of the pivotal parts of rotating machines. The health of a bearing is responsible for the hassle-free operation of a machine. As vibration signatures give intimations of machine failure at an earlier stage, mostly vibration-based condition monitoring is used to monitor bearing’s health for avoiding the risk of failure. In this work, a simulation-based approach is adopted to identify surface defects at ball bearing raceways. The vibration data in time and frequency domain is captured by FFT analyzer from an experimental setup. The time frequency domain conversion of a raw time domain data was carried out by wavelet packet transform, as it takes into account the transients and spectral frequencies. The rotor bearing model is simulated in Ansys. Finally, most influencing statistical features were extracted by employing Principal Component Analysis (PCA), and fed to Multiclass Support Vector Machine (MSVM). To train the algorithm, the simulated data is used whereas the data acquired from FFT analyzer is used for testing. It can be concluded that the defects are characterized by Ball Pass Frequency (BPF) at inner race and outer raceway as indicated in the literature. The developed model is capable to monitor bearing’s health which gives an average accuracy of 99%.
Źródło:
Archive of Mechanical Engineering; 2023, LXX, 2; 247--270
0004-0738
Pojawia się w:
Archive of Mechanical Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Wind turbine generator slip ring damage detection through temperature data analysis
Autorzy:
Astolfi, Davide
Castellani, Francesco
Natili, Francesco
Powiązania:
https://bibliotekanauki.pl/articles/329616.pdf
Data publikacji:
2019
Wydawca:
Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
Tematy:
wind energy
wind turbines
fault diagnosis
condition monitoring
principal components regression
energetyka wiatrowa
turbina wiatrowa
diagnostyka uszkodzeń
monitorowanie stanu
Opis:
The use of condition monitoring techniques in wind energy has been recently growing and the average unavailability time of an operating wind turbine in an industrial wind farm is estimated to be less than the 3%. The most powerful approach for gearbox condition monitoring is vibration analysis, but it should be noticed as well that the collected data are complex to analyse and interpret and that the measurement equipment is costly. For these reasons, several wind turbine subcomponents are monitored through temperature sensors. It is therefore valuable developing analysis techniques for this kind of data, with the aim of detecting incoming faults as early as possible. On these grounds, the present work is devoted to a test case study of wind turbine generator slip ring damage detection. A principal component regression is adopted, targeting the temperature collected at the slip ring. Using also the data collected at the nearby wind turbines in the farm, it is possible to identify the incoming fault approximately one day before it occurs.
Źródło:
Diagnostyka; 2019, 20, 3; 3-9
1641-6414
2449-5220
Pojawia się w:
Diagnostyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Role of knowledge management in diagnosing and prognosing systems failures
Rola zarządzania wiedzą w diagnozowaniu i prognozowaniu uszkodzeń systemu
Autorzy:
Obeid, N.
Salah, I.
Rao, R.B.K.N.
Powiązania:
https://bibliotekanauki.pl/articles/328976.pdf
Data publikacji:
2006
Wydawca:
Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
Tematy:
zarządzanie wiedzą
reprezentacja wiedzy
monitorowanie stanu
diagnozowanie
prognozowanie
uszkodzenie
knowledge management
intelligence
knowledge representation
condition monitoring
fault diagnosis
fault prognosis
Opis:
In this paper we emphasize the importance of condition monitoring fault diagnosis and prognosis in modern dynamic systems, if they are to remain healthy, competitive and profitable, and to meet the challenges of the future. We argue that there is an urgent need for deep knowledge based reasoning and analytical capability to effectively deal with various ongoing issues related to systems operations, performances enhancement and failures. We put forward that Knowledge Management plays an important role in an integrative approach to enhance the quality, reliability and safety aspects of such systems in today's global environment.
W pracy przedstawiono rolę zarządzania wiedzą na proces diagnozowania i prognozowania uszkodzeń systemu. Autorzy przeanalizowali interakcje pomiędzy wiedzą, działaniem i uszkodzeniem oraz przedstawili koncepcję zarządzania wiedzą ukierunkowaną na jakość, niezawodność i bezpieczeństwo systemu.
Źródło:
Diagnostyka; 2006, 1(37); 9-16
1641-6414
2449-5220
Pojawia się w:
Diagnostyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Novel intuitive hierarchical structure for condition monitoring system of wind turbines
Nowatorska intuicyjna struktura hierarchiczna systemu monitorowania stanu turbin wiatrowych
Autorzy:
Barszcz, T.
Strączkiewicz, M.
Powiązania:
https://bibliotekanauki.pl/articles/328414.pdf
Data publikacji:
2013
Wydawca:
Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
Tematy:
data fusion
condition monitoring
fault detection
fault identification
vibration
wind turbines
integracja danych
monitorowanie stanu
wykrywanie uszkodzenia
identyfikacja uszkodzenia
analiza drgań
turbina wiatrowa
Opis:
The field of condition monitoring (CM) systems has developed significantly in recent decade. Due to constant improvement of embedded computing, complex vibration data processing can be now implemented for a much larger group of machines, e.g. wind turbines. One of the key outcomes of this process is increase in the number of signal features calculated online. Instead of a dozen of broadband values, we now have more than a hundred for a typical wind turbine. Such a situation creates information overload for the operators. On one hand, it is now possible to detect machine failure at an early stage, but on the other – a person monitoring a few dozens of turbines, each generating over a hundred features is not able to properly organize all the information from CM systems. Therefore, we have proposed the hierarchical informational structure for condition monitoring system of wind turbines, based on the data fusion methods. The information about feature values and statuses is combined into higher levels, e.g. main bearing, gearbox and generator together with the information about its severity and novelty.
Na przestrzeni ostatniego dziesięciolecia zaobserwować można było szczególny rozwój na polu monitorowania stanu maszyn i urządzeń. Stało się tak dzięki wykorzystaniu bardziej zaawansowanych systemów wbudowanych oraz skomplikowanych algorytmów przetwarzania sygnałów drgań, które obecnie mogą być zastosowane do oceny stanu znacznie większej grupy maszyn, takich jak np. turbiny wiatrowe. Jednym z najważniejszych efektów tego procesu jest zwiększenie ilości wskaźników diagnostycznych, które mogą zostać obliczone w czasie rzeczywistym – zamiast kilkunastu wartości szerokopasmowych, obecnie otrzymuje się ich ponad sto dla typowej turbiny wiatrowej. W rezultacie prowadzi to do przeciążenia ilością informacji, jakie jest stanie przetworzyć wykwalifikowany pracownik utrzymania ruchu. Z jednej strony, istnieje obecnie możliwość wykrycia uszkodzenia maszyny w najwcześniejszym jego stadium, z drugiej natomiast – inżynier utrzymania ruchu monitorujący kilkadziesiąt turbin, z których każda generuje ponad sto wskaźników informujących o stanie maszyny, nie jest zdolny do właściwej oceny wszystkich informacji z systemu diagnostycznego. W związku z tym, zaproponowana została hierarchiczna struktura informacyjna dla systemów monitorowania stany turbin wiatrowych oparta na metodach integracji danych. Informacja o wartościach oraz stanach wskaźników diagnostycznych łączy się na wyższych poziomach, tj. łożyska głównego, przekładni oraz generatora razem z informacją o ich o ważności oraz aktualności.
Źródło:
Diagnostyka; 2013, 14, 3; 53-60
1641-6414
2449-5220
Pojawia się w:
Diagnostyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Worm gear condition monitoring and fault detection from thermal images via deep learning method
Monitorowanie stanu i wykrywanie błędów przekładni ślimakowej na podstawie termogramów z wykorzystaniem metody głębokiego uczenia
Autorzy:
Karabacak, Yunus Emre
Gürsel Özmen, Nurhan
Gümüşel, Levent
Powiązania:
https://bibliotekanauki.pl/articles/1841856.pdf
Data publikacji:
2020
Wydawca:
Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
Tematy:
fault diagnosis
worm gears
thermal imaging
convolutional neural networks
GoogLeNet
condition monitoring
diagnostyka błędów
przekładnie ślimakowe
termografia
splotowe sieci neuronowe
monitorowanie stanu
Opis:
Worm gearboxes (WG) are often preferred, because of their high torque, quickly reducing speed capacity and good meshing effectiveness, in many industrial applications. However, WGs may face with some serious problems like high temperature at the speed reducer, gear wearing, pitting, scoring, fractures and damages. In order to prevent any damage, loss of time and money, it is an important issue to detect and classify the faults of WGs and develop the maintenance plans accordingly. The present study addresses the application of the deep learning method, convolutional neural network (CNN), in the field of thermal imaging that were gathered from a test rig operating on different loads and speeds. Deep learning approaches, have proven their powerful capability to exploit faulty information from big data and make intelligently diagnostic decisions. Studies concerning the condition monitoring of WGs in the literature are limited. This is the first study on WGs with infrared thermography rather than vibration and sound measurements which have some deficiencies about hardware requirements, restricted measurement abilities and noisy signals. For comparison, CNN was also trained, with vibration and sound data which were collected from the healthy and faulty WGs. The results of fault diagnosis show that thermal image based CNN model on WG has achieved 100% success rate whereas the vibration performance was 83.3 % and sound performance was 81.7%. As a result, thermal image based CNN model showed a better diagnosing performance than the others for WGs. Moreover, condition monitoring of WGs, can be performed correctly with less measurement costs via thermal imaging methods.
W wielu zastosowaniach przemysłowych preferuje się przekładnie ślimakowe, ze względu na ich wysoki moment obrotowy, możliwość szybkiej redukcji prędkości i dobrą sprawność zazębienia. Jednakże przekładnie tego typu narażone są często na poważne problemy, takie jak wysoka temperatura przy reduktorze prędkości czy też zużycie, pitting (wżery), zatarcie, pęknięcie lub uszkodzenie kół zębatych. Zapobiec takim uszkodzeniom, i związanym z nimi stratom finansowym i czasowym, można poprzez wykrywanie i klasyfikowanie błędów przekładni i odpowiednie opracowanie planów konserwacji. Niniejsze badanie dotyczy zastosowania metody głębokiego uczenia oraz splotowych sieci neuronowych (SSN) do monitoringu stanu przekładni na podstawie termogramów zarejestrowanych na stanowisku testowym pracującym przy różnych obciążeniach i prędkościach. Podejścia oparte na uczeniu głębokim umożliwiają efektywne wykorzystanie informacji o błędach pochodzących z dużych zbiorów danych i podejmowanie trafnych decyzji diagnostycznych. Niewiele z dostępnych publikacji poświęconych jest monitorowaniu stanu przekładni ślimakowych. Niniejsza praca jako pierwsza przedstawia badania przekładni ślimakowej z zastosowaniem termografii zamiast zwyczajowo prowadzonych pomiarów drgań i dźwięku, które mają pewne wady dotyczące wymagań sprzętowych, ograniczonych możliwości pomiarowych i głośności sygnałów. SNN opartą na danych termicznych porównano z siecią, którą uczono na zbiorach danych wibracyjnych i akustycznych pochodzących z prawidłowo działających i uszkodzonych przekładni ślimakowych. Wyniki diagnostyki uszkodzeń pokazują, że model SSN przekładni ślimakowej oparty na obrazie termicznym osiągnął stuprocentową (100%) skuteczność, podczas gdy skuteczność modeli opartych na danych wibracyjnych i akustycznych wyniosła, odpowiednio, 83,3% i 81,7%. Tym samym, model SNN oparty na obrazie termicznym pozwalał na trafniejsze diagnozowanie przekładni ślimakowej niż pozostałe modele. Ponadto zastosowanie metod opartych na termografii pozwala na poprawne monitorowanie stanu przy niższych kosztach pomiaru.
Źródło:
Eksploatacja i Niezawodność; 2020, 22, 3; 544-556
1507-2711
Pojawia się w:
Eksploatacja i Niezawodność
Dostawca treści:
Biblioteka Nauki
Artykuł
Wyświetlanie 1-15 z 20

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