Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "symptoms" wg kryterium: Wszystkie pola


Wyświetlanie 1-4 z 4
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:
Pewność diagnozy stanu maszyn w podejściu jedno i wielowymiarowym
Reliability of condition assessment in a single and multi dimensional approach
Autorzy:
Krakowiak, M.
Cempel, C.
Powiązania:
https://bibliotekanauki.pl/articles/328628.pdf
Data publikacji:
2004
Wydawca:
Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
Tematy:
wielowymiarowość
macierz obserwacji
symptom
czas resztkowy
niezawodność symptomowa
dekompozycja SVD
symptoms of condition
observation matrix
singular value decomposition (SVD)
symptom reliability
residual life
Opis:
W pracy przedstawiono problematykę związaną z badaniami możliwości wielowymiarowej diagnostyki stanu maszyn. Zaprezentowano przejście od macierzy obserwacji diagnostycznej obiektu i wykorzystanie dostępnych narzędzi wnioskowania diagnostycznego w środowisku Matlak. Pokazano między innymi wyznaczenie wartości granicznych symptomu i prognozy. W pracy porównano rezultaty uzyskane po zastosowaniu prognozy najpierw jedno a następnie wielowymiarowej, aby w końcowej fazie ocenić zysk wielowymiarowości w diagnostyce wybranych obiektów.
The paper presents introductory consideration of the reliability of condition assessment, when using one symptom approach against the symptom observation matrix in the multidimensional condition monitoring. The comparison was made by using some software for condition assessment and forecasting prepared in the MATLAB environment, and basing on real symptoms used in vibration condition monitoring of the railroad diesel engines. The residual system life time was used as the quantity of comparison in a single and multi dimensional case. It was found in a given case, that multidimensionality can give us more reliability of assessment of the engine residual life.
Źródło:
Diagnostyka; 2004, 32; 125-134
1641-6414
2449-5220
Pojawia się w:
Diagnostyka
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:
Implementing multidimensional inference capability in vibration condition monitoring
Wprowadzenie wnioskowania wielowymiarowego do diagnostyki drganiowej
Autorzy:
Cempel, C.
Powiązania:
https://bibliotekanauki.pl/articles/328107.pdf
Data publikacji:
2005
Wydawca:
Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
Tematy:
obserwacja wielowymiarowa
macierz symptomowej obserwacji
rozkład względem wartości szczególnych
uogólnione symptomy uszkodzeń
niezawodność symptomowa
wartość graniczna
multidimensional observation
symptom observation matrix
singular value decomposition
generalized fault symptoms
symptom reliability
symptom limit value
condition inference agent
Opis:
Contemporary measuring technology in condition monitoring of critical systems allow us to form diagnostic symptom observation vector, with components different physically, and to extract fault information from such created symptom observation matrix. This is possible by using singular value decomposition algorithm and specially written program, which enable also to optimize the dimensionality of symptom observation vector, and to extract needed diagnostic information. We can use as the next, the concept of symptom reliability and symptom hazard rate to calculate the symptom limit value, for system maintenance planning and execution. It seems to be possible to perform these task in an autonomous way, and adding also the knowledge base and learning loop, creating in this way some first approach to Condition Inference Agent (CIA).
Współczesne technologie pomiarowe w diagnostyce obiektów krytycznych pozwalają nam formułować bardzo bogaty wektor obserwacji diagnostycznej obiektu, ze składowymi o różnej naturze fizykalnej. Uformowana w ten sposób macierz symptomowej obserwacji zawiera informację o wielowymiarowej przestrzeni uszkodzeń rozwijającej się w czasie życia obiektu. Jak się okazuje, ekstrakcja tej informacji jest możliwa przez zastosowanie rozkładu względem wartości szczególnych (SVD). Możemy w ten sposób formułować uogólnione symptomy uszkodzeń, a uwzględniając koncepcję niezawodności symptomowej wyznaczyć wartość graniczną symptomu dla bezpiecznej eksploatacji. Możliwa jest też informacyjna ocena pierwotnie mierzonych symptomów i optymalizacja wektora obserwacji. W ten sposób można zwolna myśleć o projekcie samodzielnego agenta diagnostycznego - CIA.
Źródło:
Diagnostyka; 2005, 34; 7-14
1641-6414
2449-5220
Pojawia się w:
Diagnostyka
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