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 "Machine Learning" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-4 z 4
    Tytuł:
    Detection of the presence of rail corrugation using convolutional neural network
    Autorzy:
    Tabaszewski, Maciej
    Firlik, Bartosz
    Powiązania:
    https://bibliotekanauki.pl/articles/38890045.pdf
    Data publikacji:
    2022
    Wydawca:
    Instytut Podstawowych Problemów Techniki PAN
    Tematy:
    corrugation
    vibration and noise
    machine learning
    convolutional network
    Opis:
    Rail corrugation is a significant problem not only in heavy-haul freight but also in light rail systems. Over the last years, considerable progress has been made in understanding, measuring and treating corrugation problems also considered a matter of safety. In the presented research, convolutional neural networks (CNNs) are used to identify the occurrence of rail corrugation in light rail systems. The paper shows that by simultaneously measuring the vibration and the sound pressure, it is possible to identify the rail corrugation with a very small error.
    Źródło:
    Engineering Transactions; 2022, 70, 4; 339-353
    0867-888X
    Pojawia się w:
    Engineering Transactions
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Identification of technical condition of valve clearance compensators using vibration measurement and machine learning
    Autorzy:
    Szymański, Grzegorz M.
    Tabaszewski, Maciej
    Powiązania:
    https://bibliotekanauki.pl/articles/128095.pdf
    Data publikacji:
    2019
    Wydawca:
    Politechnika Poznańska. Instytut Mechaniki Stosowanej
    Tematy:
    vibroacoustic diagnostics
    combustion engine
    machine learning
    diagnostyka wibroakustyczna
    silnik spalinowy
    uczenie maszynowe
    Opis:
    The dynamic development of internal combustion engine design and requirements for high reliability generates the need to apply a strategy of their operation based on the current technical condition. The paper concerns vibration diagnostics of automatic compensators of valve lash of a combustion engine. It presents the course of an active experiment conducted in order to develop a methodology for identifying the state of compensators based on measures of vibration signals measured at the engine head. Based on the results of the experiment, a classifier was developed in the form of a decision tree, which with high accuracy identified the technical condition of the compensators. The set of simple rules obtained thanks to the built up trees allows for easy implementation of the diagnostic system in practice.
    Źródło:
    Vibrations in Physical Systems; 2019, 30, 2; 1-12
    0860-6897
    Pojawia się w:
    Vibrations in Physical Systems
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Engine valve clearance diagnostics based on vibration signals and machine learning methods
    Diagnostyka luzu zaworów silnika spalinowego z wykorzystaniem sygnału drganiowego i metod uczenia maszynowego
    Autorzy:
    Tabaszewski, Maciej
    Szymański, Grzegorz. M.
    Powiązania:
    https://bibliotekanauki.pl/articles/1365185.pdf
    Data publikacji:
    2020
    Wydawca:
    Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
    Tematy:
    combustion engine
    diagnostics
    vibration
    machine learning
    silnik spalinowy
    diagnostyka
    drgania
    uczenie maszynowe
    Opis:
    A dynamic advancement of the design of combustion engines generates a necessity of introduction of strategies of operation based on the information related to their technical condition. The paper analyzes problems related to vibration based diagnostics of valve clearance of a piston combustion engine, significant in terms of its efficiency and durability. Methods of classification have been proposed for the assessment of the valve clearance. Experiments have been performed and described that aimed at providing information necessary to develop and validate the proposed methods. In the performed investigations, the vibration signals were obtained from a triaxial accelerometer located in the engine cylinder head. A parameterization of the obtained vibration signal has been carried out for the engine operating under different engine loads, rotation speeds and valve clearance settings. The parameterization pertained to the specific features of the vibration signals, the derivative of the vibration signal as a function of time as well as the envelope of this derivative. In the first approach, the authors developed a classifier in the form of a set of binary trees that additionally allowed distinguishing the features significant in terms of the identification of adopted classes. For comparison, the authors also developed classifiers in the form of a neural network as well as a k-nearest neighbors algorithm using the Euclidean metric. Based on the performed investigations and analyses a method of valve clearance assessment has been proposed.
    Dynamiczny rozwój konstrukcji silników spalinowych generuje potrzebę wprowadzenia strategii eksploatacji jednostek napędowych, opartej na znajomości ich stanu technicznego. W artykule poddano analizie zagadnienia, związane z drganiową diagnostyką luzu zaworów tłokowego silnika spalinowego, istotnego ze względu na efektywność pracy silnika i jego trwałość. Zaproponowano wykorzystanie metod klasyfikacji do oceny poprawności luzu zaworowego. Przeprowadzono i opisano eksperymenty, które miały na celu dostarczenie informacji koniecznych do zbudowania i zweryfikowania zaproponowanych metod. W przeprowadzonych badaniach pozyskano sygnały drganiowe z trójosiowego czujnika przyspieszeń drgań zlokalizowanego na głowicy silnika. Dokonano parametryzacji uzyskanych przebiegów czasowych sygnału drganiowego dla silnika pracującego pod różnym obciążeniem, z różnymi prędkościami obrotowymi oraz z różnymi luzami zaworowymi. Parametryzacja dotyczyła zarówno cech sygnału przyspieszeń drgań, pochodnej przyspieszeń drgań względem czasu jak i obwiedni tej pochodnej. W pierwszym podejściu zbudowano klasyfikator w postaci zbioru drzew binarnych, który przy okazji pozwolił na wyodrębnienie istotnych, ze względu na przyjęte klasy, cech. Dla porównania zbudowano także klasyfikatory w postaci sieci neuronowej jak i algorytmu k – najbliższych sąsiadów z metryką euklidesową. Na podstawie przeprowadzonych badań i analiz zaproponowano metodę oceny luzu zaworowego.
    Źródło:
    Eksploatacja i Niezawodność; 2020, 22, 2; 331-339
    1507-2711
    Pojawia się w:
    Eksploatacja i Niezawodność
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Vibration-based identification of engine valve clearance using a convolutional neural network
    Autorzy:
    Tabaszewski, Maciej
    Szymański, Grzegorz M.
    Nowakowski, Tomasz
    Powiązania:
    https://bibliotekanauki.pl/articles/2124718.pdf
    Data publikacji:
    2022
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    combustion engine
    diagnostics
    vibration
    machine learning
    convolutional network
    silnik spalinowy
    diagnostyka
    drgania
    uczenie maszyny
    splotowa sieć neuronowa
    Opis:
    Contemporary operation-related requirements for combustion engines force the necessity of ongoing assessment of their in operation technical condition (e.g. marine engines). The engine efficiency and durability depend on a variety of parameters. One of them is valve clearance. As has been proven in the paper, the assessment of the valve clearance can be based on vibration signals, which is not a problem in terms of signal measurement and processing and is not invasive into the engine structure. The authors described the experimental research aiming at providing information necessary to develop and validate the proposed method. Active experiments were used with the task of valve clearance and registration of vibrations using a three-axis transducer placed on the engine cylinder head. The tests were carried out during various operating conditions of the engine set by 5 rotational speeds and 5 load conditions. In order to extract the training examples, fragments of the signal related to the closing of individual valves were divided into 11 shorter portions. From each of them, an effective value of the signal was determined. Obtained total 32054 training vectors for each valve related to 4 classes of valve clearance including very sensitive clearance above 0.8 mm associated with high dynamic interactions in cylinder head. In the paper, the authors propose to use a convolutional network CNN to assess the correct engine valve clearance. The obtained results were compared with other methods of machine learning (pattern recognition network, random forest). Finally, using CNN the valve clearance class identification error was less than 1% for the intake valve and less than 3.5% for the exhaust valve. Developed method replaces the existing standard methods based on FFT and STFT combined with regression calculation where approximation error is up to 10%. Such results are more useful for further studies related not only to classification, but also to the prediction of the valve clearance condition in real engine operations.
    Źródło:
    Archives of Transport; 2022, 61, 1; 117--131
    0866-9546
    2300-8830
    Pojawia się w:
    Archives of Transport
    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