Informacja

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

Wyszukujesz frazę "Expert System" wg kryterium: Temat


Wyświetlanie 1-3 z 3
Tytuł:
Knowledge management system for marine diesel engine diagnosis
Autorzy:
Charchalis, A.
Pawletko, R.
Powiązania:
https://bibliotekanauki.pl/articles/242163.pdf
Data publikacji:
2011
Wydawca:
Instytut Techniczny Wojsk Lotniczych
Tematy:
knowledge management system
diagnostic expert system
marine diesel engine diagnosis
Opis:
The paper presents the conception of knowledge management system for a diagnostic expert system. Development of knowledge management system is necessary during the construction of the expert system. The most important reason is that knowledge in this system is not a static whole, but is subject to dynamic growth, is modified and updated. Advantages afforded by the creation of diagnostic systems based on knowledge, such as expert systems, compared to traditional diagnostic systems based on closed algorithms were characterized. The conception of knowledge management system established in the diagnostic work associated with the development of expert system for marine diesel engine diagnosis. The main elements of the developed management system are: dictionary editor, rule editor, knowledge assessment module and import and export module. Knowledge management system is also equipped with an electronic form that is used to obtain knowledge from experts, specialists in diesel engines operation. The article presents the tasks and the performance of individual components of the system. The knowledge management system enables integration within a single frame of both information collected from experts and automatically collected one. A doubtless advantage of expert system is the opportunity of updating and developing the content recorded in the database. Due to this feature, the effectiveness of the system may grow during engine operation and facilitate gaining new experience.
Źródło:
Journal of KONES; 2011, 18, 2; 77-83
1231-4005
2354-0133
Pojawia się w:
Journal of KONES
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Wykorzystanie systemu ekspertowego do diagnozowania okrętowego silnika tłokowego
Application of expert system for marine diesel engine diagnosis
Autorzy:
Pawletko, R.
Charchalis, A.
Powiązania:
https://bibliotekanauki.pl/articles/211168.pdf
Data publikacji:
2010
Wydawca:
Wojskowa Akademia Techniczna im. Jarosława Dąbrowskiego
Tematy:
diagnostyka techniczna
system ekspertowy
silniki spalinowe
technical diagnostic
expert system
combustion engines
Opis:
W artykule przedstawiono koncepcję systemu diagnostycznego okrętowego silnika tłokowego opartą na modelu systemu ekspertowego. Zrealizowano pozyskiwanie wiedzy diagnostycznej, opracowano bazę wiedzy oraz zaproponowano ogólną strukturę systemu. Wiedza dla ekspertowego systemu diagnozowania silnika okrętowego została pozyskana od ekspertów (specjalistów w dziedzinie eksploatacji) oraz z diagnostycznych baz danych. Do pozyskiwania wiedzy od ekspertów zastosowano wywiad kwestionariuszowy. Podjęto próbę pozyskania podstawowej wiedzy z dziedziny eksploatacji silników umożliwiającą ocenę ich stanu technicznego. Pozyskiwanie wiedzy z baz danych przeprowadzono z wykorzystaniem indukcyjnych metod uczenia maszynowego. Dane uczące dla algorytmów indukcji zostały zgromadzone w wyniku realizacji eksperymentu czynnego na silniku Sulzer 3Al 25/30.
The development of diagnostic systems for marine diesel engines is vital for both ship safety and economic reasons. Nowadays, many diagnostic systems have been created by both research laboratories and engine producers. Typical disadvantage of most systems is their completeness. This means that diagnostic algorithms of technical conditions, adopted during system creation, cannot be updated or modified during later operation. The solution to the problem could be an expert system in ship engine diagnosis. Module system structure, and above all, the separation of database from remaining program, enables creation of diagnostic system of open type, where diagnostic knowledge can be updated and cumulated. This paper presents diagnostic system concept for marine diesel engine, basing on expert system model. The relevant knowledge database was created with the use of collected diagnostic data. Diagnostic data were collected from experts (ship engine professionals) and diagnostic databases. The paper questionnaire was used to the knowledge acquisition from experts. Basic knowledge related to the marine diesel exploitation was undertaken. The expert knowledge covers the weakness point of engine, the kind of faults and diagnostic relation between faults and their symptoms. The group of experts contained the experienced merchant navy officers. The selected machine learning methods was used to obtain the relationship in the form of diagnostic rules from data base. The results obtained with the algorithms LEM2, MODLEM, and EXPLORE was compared. MODLEM algorithm allows the use of numerical data directly without having to prediscretization. Learning examples, stored in the diagnostic database, were obtained as a result of the active experiment, carried out on laboratory Sulzer engine 3AL 25/30. During the experiment, damages of the turbocharging system, fuel injection system, and combustion chamber were simulated. Only the elementary states (single damage in the same time) in a variable load were included. Tenfold cross validation technique was used for evaluation of the obtained rules classifiers. The obtained diagnostic rules have also been assessed in substantive terms, including an analysis of the relationship between disability states and received symptoms. Complex diagnostic systems for marine diesel engine diagnosis face limited application in ships, particularly due to their high cost. Ship engines are fitted with assorted indicators and measurement tools enabling control of many operational parameters, as well as, storing such measurements in databases. Technical condition verdict is, however, still the responsibility of the engine operator, and here comes the room for IT systems, which could facilitate such processes. The expert system application may substantially enhance abilities of monitoring systems presently existent in power rooms, in respect of ship engine diagnosis. Such a system enables saving valuable, operational knowledge for later use. Additional advantage represents the opportunity of automatic collection of diagnostic information with machine learning methods. The usefulness of such methods for creation of diagnostic rules was proved on the basis of examples stored in database. The expert system enables integration within a single frame of both information collected from experts and automatically collected one. A doubtless advantage of expert system is the opportunity of updating and developing the content recorded in the database. Due to this feature, the effectiveness of the system may grow during engine operation and facilitate gaining new experience.
Źródło:
Biuletyn Wojskowej Akademii Technicznej; 2010, 59, 4; 31-41
1234-5865
Pojawia się w:
Biuletyn Wojskowej Akademii Technicznej
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
The use of expert system for marine diesel engine diagnosis
Zastosowanie systemu eksperckiego do diagnozy wysokoprężnych silników okrętowych
Autorzy:
Charchalis, A.
Pawletko, R.
Powiązania:
https://bibliotekanauki.pl/articles/222054.pdf
Data publikacji:
2012
Wydawca:
Akademia Marynarki Wojennej. Wydział Dowodzenia i Operacji Morskich
Tematy:
diagnostyka techniczna
system ekspercki
wysokoprężne silniki okrętowe
technical diagnostic
expert system
marine diesel engines
Opis:
The paper presents a diagnostic system for marine diesel engine based on an expert system model. The research relevant to knowledge acquisition for this system was done, knowledge data set was built and general structures of the expert system was proposed. Basic sources of knowledge which can be used for construction of knowledge data set are also identified. The basic knowledge related to the diesel diagnostic was undertaken from experts and diagnostic data base. The paper questionnaire was used to the knowledge acquisition from experts. The basic knowledge related to the marine diesel exploitation was undertaken. The rule induction algorithms was used to knowledge acquisition from data base. During the experiment efficiency of LEM induction algorithms was compared to new MODLEM and EXPLORE algorithms. Training and test data were acquired from experiment on marine engine Sulzer 3AL 25/30.
Artykuł przedstawia system diagnostyczny okrętowego silnika wysokoprężnego oparty na modelu systemu eksperckiego. Przeprowadzono badania odpowiednia dla pozyskania informacji o tym systemie, stworzono zestaw danych oraz zaproponowano struktury ogólne systemu eksperckiego. Zidentyfikowano również podstawowe źródła informacji, które mogą być wykorzystane do budowy zestawu danych wiedzy. Podstawowa wiedza odnosząca się do diagnostyki silników wysokoprężnych została wzięta z eksperckich i diagnostycznych baz danych. Wykorzystano kwestionariusz papierowy w celu uzyskania wiedzy od ekspertów. Uzyskano podstawowe informacje odnoszącą się do eksploatacji silników okrętowych. Zastosowano algorytmy rule induction do uzyskania informacji z bazy danych. Podczas eksperymentu sprawność algorytmów induction LEM została porównana z nowymi algorytmami MODLEM i EXPLORE. Dane szkoleniowe i testowe zostały uzyskane z eksperymentu na silniku okrętowym Sulzer 3AL 25/30.
Źródło:
Zeszyty Naukowe Akademii Marynarki Wojennej; 2012, R. 53 nr 1 (188), 1 (188); 49-56
0860-889X
Pojawia się w:
Zeszyty Naukowe Akademii Marynarki Wojennej
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