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 1-5 z 5
    Tytuł:
    Zastosowanie teorii szarych systemów do modelowania i prognozowania w diagnostyce maszyn
    Application of grey system theory to modeling and forecasting in machine condition monitoring
    Autorzy:
    Cempel, Cz.
    Tabaszewski, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/328195.pdf
    Data publikacji:
    2007
    Wydawca:
    Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
    Tematy:
    diagnostyka maszyn
    symptomy drganiowe
    modele szare
    prognozowanie
    machine
    diagnostics
    condition monitoring
    vibration symptoms
    grey system theory
    condition forecasting
    Opis:
    Praca przedstawia metodologię budowy szarego modelu pierwszego rzędu przydatnego w prognozowaniu stanu za pomocą symptomów drganiowych. Pokazano na przykładach, że szare modele mogą mieć zastosowanie w diagnostyce maszyn prostych, dla których wystarcza podejście jedno symptomowe, jak też w diagnostyce wielo uszkodzeniowej obiektów złożonych. Zastosowano tu metodę szarych systemów Deng'a z odcinkowym prognozowania tzw. ślizgającym okienkiem, zaczerpniętą z najnowszej literatury przedmiotu.
    The paper presents methodology of grey system theory and the first order grey model GM(1,1), which can be applied for the machine condition forecasting using vibration symptoms, and rolling forecasting window. Basing on real data taken from vibration condition monitoring, it was shown successfully one step forecasting with the grey model applied to condition observation by one symptom only. It was shown also, that in case of multidimensional condition monitoring one can apply the same methodology to the generalized symptom of condition, obtained from singular value decomposition of symptom observation matrix.
    Źródło:
    Diagnostyka; 2007, 2(42); 11-18
    1641-6414
    2449-5220
    Pojawia się w:
    Diagnostyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Prediction of diagnostic symptom values using a set of models GM(1,1) and a moving window method
    Prognoza wartości symptomów diagnostycznych za pomocą zbioru modeli GM(1,1) i metody ruchomego okna
    Autorzy:
    Tabaszewski, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/327728.pdf
    Data publikacji:
    2014
    Wydawca:
    Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
    Tematy:
    condition monitoring
    symptom forecasting
    GM(1,1) models
    diagnostyka techniczna
    prognoza
    model GM(1,1)
    Opis:
    The aim of this paper is to show methodology of forecasting with various horizon of prediction using grey system theory, basing on practical application to vibration condition monitoring problems. The method of forecasting was based on GM(1,1) prognostic models with various window lengths for estimating model parameters. The model GM(1,1) is very effective where we have only few data, incomplete, and with low accuracy. The moving window method applied to GM(1,1) model enables to adapt to changes in data trend. However, selecting an inappropriate window length can result in excessive forecast errors. The applied algorithm is based on tracking the current prediction error for models having various window lengths, and then eliminating the models for which the error of prediction caused by the loss of adequacy of the model to the data increases excessively.
    Celem pracy jest przedstawienie metodyki prognozowania dla różnych horyzontów prognozy z wykorzystaniem teorii szarych systemów w odniesieniu do praktycznego problemu z zakresu drganiowej diagnostyki maszyn. Metoda prognozowania jest oparta o modele GM(1,1) o różnej długości okna w której wyznacza się parametry modelu. Model GM(1,1) jest bardzo efektywny gdy istnieje niewiele danych, są one niekompletne i są niskiej jakości. Metoda ruchomego okna w zastosowaniu do modelu GM(1,1) pozwala na budowanie modelu adaptacyjnego, który umożliwia dostosowanie się do zmian w trendzie krzywej życia. Niestety źle dobrana długość okna może powodować zwiększenie się błędu prognozy w porównaniu do warunków, w których długość okna byłaby optymalna. Zastosowany algorytm polega na śledzeniu aktualnego błędu prognozy modeli o różnej długości okna i eliminacji znaczenia tych modeli, które powodują nadmierny wzrost błędu prognozy związany z utratą adekwatności do danych.
    Źródło:
    Diagnostyka; 2014, 15, 3; 65-68
    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
    Tytuł:
    Agent approach in machine diagnosis
    Podejście agentowe w diagnostyce maszyn
    Autorzy:
    Klemm, M.
    Tabaszewski, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/328055.pdf
    Data publikacji:
    2011
    Wydawca:
    Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
    Tematy:
    diagnostyka
    system agentowy
    diagnostyka wielosymptomowa
    sztuczna inteligencja
    eksploracja danych
    condition monitoring
    agent system
    multisymptom diagnostic
    artificial intelligence
    data mining
    Opis:
    The paper presents a new approach to software development of diagnostic machines. The proposed system is a collection of many independent applications called agents which gain the diagnostic information, process it and inform the user of the system of the occurrence of significant events concerning the operation of the object. This allows a comprehensively support of the operation process by detecting the current condition and forecast a failure. An important feature of the proposed system is the speed, ability to learn through the use of artificial intelligence and openness that allows for any development of the system by adding more new items pursuing new activities or the same action on a different basis (increasing the reliability of inference).
    W pracy przedstawiono nowe podejście do tworzenia oprogramowania diagnostycznego maszyn. Zaproponowany system jest zbiorem wielu niezależnych aplikacji nazwanych agentami, które pozyskują informację diagnostyczną, przetwarzają ją i informują użytkownika systemu o wystąpieniu istotnych zdarzeń dotyczących eksploatacji obiektu. Pozwala to kompleksowo wspomagać proces eksploatacji poprzez wykrywanie aktualnego stanu i prognozę do awarii. Istotną cechą zaproponowanego systemu jest szybkość działania, zdolność uczenia się poprzez zastosowanie metod sztucznej inteligencji oraz otwartość pozwalająca na dowolny rozwój systemu poprzez dodawanie kolejnych nowych elementów realizujących nowe działania lub te same działania w oparciu o inne zasady (zwiększanie niezawodności wnioskowania).
    Źródło:
    Diagnostyka; 2011, 4(60); 59-64
    1641-6414
    2449-5220
    Pojawia się w:
    Diagnostyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Wielosymptomowa prognoza stanu i czasu do awarii z wykorzystaniem sieci neuronowych
    Multi-symptom forecasting of condition and residual time by means of neural networks
    Autorzy:
    Tabaszewski, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/328173.pdf
    Data publikacji:
    2007
    Wydawca:
    Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
    Tematy:
    prognozowanie
    czas resztkowy
    sieć neuronowa
    diagnostyka wielosymptomowa
    diagnostyka
    łożysko toczne
    forecasting
    residual time
    neural network
    multidimensional condition monitoring
    rolling bearing
    Opis:
    Praca zawiera próbę rozwiązania problemu prognozy wielosymptomowej dla złożonych obiektów technicznych. Zaproponowano kilka możliwości realizacji prognozy wielosymptomowej stanu i czasu do awarii kładąc szczególny nacisk na możliwość zastosowania sieci neuronowej. Przedstawiono przykład zastosowania sieci neuronowej w prognozie czasu resztkowego do awarii łożyska tocznego 608. Wskazano na silną zależność jakości otrzymywanych prognoz od przyjętej struktury sieci.
    The work concerns an idea of multi-symptom forecasting for complex technical objects. Some of possibilities of realization of multi-symptom forecasting of machine condition and time to breakdown were proposed, especially realization based on neural networks. Some example of prediction of residual time to breakdown of ball bearing 608 was presented. The strong relationship between quality of forecasts and assumed structure of artificial neural network was shown.
    Źródło:
    Diagnostyka; 2007, 2(42); 43-48
    1641-6414
    2449-5220
    Pojawia się w:
    Diagnostyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-5 z 5

      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