Informacja

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

Wyszukujesz frazę "gearbox diagnosis" wg kryterium: Temat


Wyświetlanie 1-5 z 5
Tytuł:
Koncepcja wykorzystania sztucznych sieci neuronowych w diagnostyce przekładni zębatych
Conception of use artificial neural network for gearbox diagnosis
Autorzy:
Czech, P.
Łazarz, B.
Powiązania:
https://bibliotekanauki.pl/articles/197384.pdf
Data publikacji:
2009
Wydawca:
Politechnika Śląska. Wydawnictwo Politechniki Śląskiej
Tematy:
sztuczna sieć neuronowa
przekładnia zębata
diagnostyka przekładni zębatych
artificial neural network
gearbox
gearbox diagnosis
Opis:
W opracowaniu przedstawiono koncepcję zastosowania sztucznych sieci neuronowych w procesie diagnozowania stanu przekładni zębatych. Na podstawie przeprowadzonych badań opracowano schemat postępowania dla różnych typów sztucznych sieci neuronowych.
The work presents conception of use artificial neural network in the task of gearbox diagnosis, system which was build with artificial intelligence methods. As an effect of researches was worked out scheme of methodology proceeding for different kind of artificial neural networks.
Źródło:
Zeszyty Naukowe. Transport / Politechnika Śląska; 2009, 65; 17-24
0209-3324
2450-1549
Pojawia się w:
Zeszyty Naukowe. Transport / Politechnika Śląska
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Diagnostyka przekładni klatek walcowniczych z zastosowaniem widm wyższych rzędów
Industrial gearboxes diagnosis by used higher order spectrum
Autorzy:
Madej, H.
Czech, P.
Powiązania:
https://bibliotekanauki.pl/articles/197382.pdf
Data publikacji:
2009
Wydawca:
Politechnika Śląska. Wydawnictwo Politechniki Śląskiej
Tematy:
przekładnia zębata
klatka walcownicza
widmo wyższego rzędu
higher order spectrum
gearbox diagnosis
rolling mill
Opis:
W artykule przedstawiono wyniki badań diagnostycznych przekładni zębatych napędów klatek walcowniczych. Badaniami objęto przekładnie zębate znajdujące się w różnym stanie technicznym. Zarejestrowane sygnały drganiowe analizowano za pomocą momentów i widm wyższych rzędów.
This paper deals with industrial gear condition monitoring based on vibration analysis techniques. Several gearboxes in different condition were chosen to research. Recorded vibration signals were analyzed by higher order moments and spectra.
Źródło:
Zeszyty Naukowe. Transport / Politechnika Śląska; 2009, 65; 51-56
0209-3324
2450-1549
Pojawia się w:
Zeszyty Naukowe. Transport / Politechnika Śląska
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Application of the local meshing plane in detecting assembly and manufacturing errors of gears
Wykorzystanie lokalnej płaszczyzny przyporu w wykrywaniu błędów wykonania i montażu przekładni zębatych
Autorzy:
Mączak, J.
Powiązania:
https://bibliotekanauki.pl/articles/328047.pdf
Data publikacji:
2011
Wydawca:
Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
Tematy:
przekładnia zębata
diagnostyka
modelowanie
lokalna płaszczyzna przyporu
sygnał niestacjonarny
diagnostyka uszkodzeń
gear
diagnosis
local meshing plane analysis
nonstationary signals
fault diagnosis
gearbox modelling
Opis:
In the paper application of the local meshing plane concept is discussed and applied for overall gear quality assessment. Knowing the kinematic properties of the machine (i.e. gear teeth numbers) it is possible to modify the gearbox vibroacoustic signal in such a manner that its fragments will be linked to different rotating parts. This allows for presentation of a raw or processed gearbox signal in a form of three dimensional map on the plane "pinion teeth x gear teeth" called local meshing plane. Meshing plane in Cartesian coordinates allows for precise location and assessment of gear faults in terms of meshing quality of consecutive teeth pairs. Although the method was applied to simulated signals generated by a gearbox model, similar results were obtained for the measurement signals recorded during the back-to-back test stand experiment. Described method could be used for assessing the manufacturing quality of gears, the assembly quality as well as for the fatigue gear failure evaluation during normal exploitation.
W artykule przedstawiono możliwość wykorzystania lokalnej płaszczyzny przyporu do oceny jakości pracy przekładni zębatej. Znając własności kinematyczne przekładni (tj. liczby zębów kół) możliwe jest takie przekształcenie sygnału wibroakustycznego emitowanego przez przekładnię, że poszczególne jego fragmenty będą związane z kinematyką wirujących wałów. Pozwala to na przedstawienie oryginalnego lub przetworzonego sygnału w formie trójwymiarowej mapy na płaszczyźnie "zęby zębnika x zęby koła" nazywanej lokalną płaszczyzną przyporu. Płaszczyzna przyporu, we współrzędnych kartezjańskich pozwala na lokalizację i ocenę uszkodzeń przekładni poprzez ocenę jakości poszczególnych przyporów wszystkich par zębatych. Metodę zaprezentowano na przykładzie sygnałów generowanych przez model symulacyjny przekładni zębatej oraz zweryfikowano na stanowisku mocy krążącej. Opisana metoda może być używana zarówno do oceny jakości wykonania i montażu jak też do wykrywania uszkodzeń zmęczeniowych przekładni zębatych.
Źródło:
Diagnostyka; 2011, 4(60); 47-52
1641-6414
2449-5220
Pojawia się w:
Diagnostyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Modified convolutional neural network with global average pooling for intelligent fault diagnosis of industrial gearbox
Diagnostyka błędów przekładni przemysłowych z wykorzystaniem zmodyfikowanej splotowej sieci neuronowej z globalnym uśrednieniem wartości dla poszczególnych kanałów
Autorzy:
Li, Yaxin
Wang, Kesheng
Powiązania:
https://bibliotekanauki.pl/articles/300870.pdf
Data publikacji:
2020
Wydawca:
Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
Tematy:
modified convolutional neural network
global average pooling
intelligent fault diagnosis
industrial Gearbox
zmodyfikowana splotowa sieć neuronowa
globalne uśrednienie względem kanałów
inteligentna diagnostyka błędów
przekładnia przemysłowa
Opis:
Gearboxes are key transmission components and widely used in various industrial applications. Due to the possible operational conditions, such as varying rotational speeds, long period of heavy loads, etc., gearboxes may easily be prone to failure. Condition Monitoring (CM) has been proved to be an effective methodology to improve the safety and reliability of gearboxes. Deep learning approaches, nowadays, further enable the CM with more powerful capability to exploit faulty information from massive data and make intelligently diagnostic decisions. However, for most of conventional deep learning models, such as Convolutional Neural Network (CNN), a large amount of labelled training data is a prerequisite, while to obtain the labelled data is usually a laborious and time-consuming job and sometimes even unattainable. In this paper, to handle the case of only a limited labelled data is available, a modified convolutional neural network (MCNN) is proposed by integrating global average pooling (GAP) to reduce the number of trainable parameters and simplify the architecture of deep learning model. The proposed MCNN improves the traditional CNN’s ability in fault diagnosis with limited labelled data. Two experimental gearbox datasets are utilized to demonstrate the effectiveness of the proposed MCNN method. Compared with traditional deep learning approaches, namely LSTM, CNN and its variant methods, the experimental results show that the proposed MCNN with higher discrimination and generalization ability in fault classification and diagnostics under the scenario of limited labelled training samples.
Przekładnie stanowią kluczowe elementy układów napędowych i jako takie znajdują szerokie zastosowane w przemyśle. Ze względu na warunki eksploatacji, takie jak różne prędkości obrotowe czy długie okresy pracy pod dużym obciążeniem itp., przekładnie mogą łatwo ulegać uszkodzeniom. Udowodniono, że monitorowanie stanu skutecznie poprawia bezpieczeństwo i niezawodność przekładni. Podejścia oparte na uczeniu głębokim umożliwiają ponadto monitorowanie stanu z większym wykorzystaniem informacji o błędach pochodzących z dużych zbiorów danych i podejmowanie inteligentnych decyzji diagnostycznych. Jednak w przypadku większości konwencjonalnych modeli uczenia głębokiego, takich jak splotowe sieci neuronowe (convolutional neural networks, CNN), wymagana jest duża ilość etykietowanych danych uczących, których pozyskanie jest zwykle zadaniem praco- i czasochłonnym, a czasem wręcz niemożliwym do wykonania. W niniejszej pracy, przedstawiono zmodyfikowaną splotową sieć neuronową (modified convolutional neural network, MCNN), która rozwiązuje problem dostępności danych etykietowanych poprzez zastosowanie globalnego uśrednienia względem kanałów (global average pooling), co pozwala na zmniejszenie liczby możliwych do wyuczenia parametrów i uproszczenie architektury modelu głębokiego uczenia. W porównaniu do tradycyjnych sieci CNN, proponowana sieć MCNN zwiększa możliwości diagnozowania błędów przy ograniczonych danych etykietowanych. Skuteczność proponowanej metody wykazano na przykładzie dwóch zbiorów danych doświadczalnych dotyczących błędów przekładni. Wyniki eksperymentalne pokazują, że, w porównaniu z tradycyjnymi metodami uczenia głębokiego, takimi jak LSTM, CNN oraz warianty tej ostatniej, proponowane podejście MCNN daje większe możliwości rozróżniania i uogólniania podczas klasyfikacji i diagnostyki błędów w przypadku ograniczonej dostępności etykietowanych danych uczących.
Źródło:
Eksploatacja i Niezawodność; 2020, 22, 1; 63-72
1507-2711
Pojawia się w:
Eksploatacja i Niezawodność
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Measurement of cylindrical gear air, gear with standard software CMM
Pomiary kół zębatych walcowych przekładni lotniczych z zastosowaniem standardowego oprogramowania CMM
Autorzy:
Zaborniak, M.
Powiązania:
https://bibliotekanauki.pl/articles/327546.pdf
Data publikacji:
2015
Wydawca:
Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
Tematy:
economic aspects of diagnosis
diagnostics
gear
cylindrical gear
aircraft gearbox
coordinate measuring technique
ekonomiczne aspekty diagnostyki
diagnostyka
koło zębate
koło zębate walcowe
przekładnia lotnicza
współrzędnościowa technika pomiarowa
Opis:
Air gears must meet high performance criteria for accuracy, therefore quality control is necessary for their production. CMM Software determines the capabilities and scope of the measuring machines. The choice of measurement method should be carried out taking into account the accuracy of gear and taking into account the capabilities of the system and measurement needs. Item will present the methodology of measurement of cylindrical gears using a standard CMM software. The results of these diagnostic tests to prevent the need to purchase additional software, the measuring machine and its setup. You should only choose a method of analysis that will be carried out directly in the environment measuring machine, or will be made in the CAD system based on the geometry acquired during the measurement with respect to the virtual model. In the second case export is needed in the appropriate format measurement data to CAD software.
Koła zębate przekładni lotniczych muszą spełniać wysokie kryteria dokładności wykonania, dlatego niezbędna przy ich produkcji jest kontrola dokładności. Oprogramowanie współrzędnościowych maszyn pomiarowych decyduje o możliwości i zakresie zastosowania maszyn pomiarowych. Dostępne są na rynku specjalistyczne maszyny pomiarowe wyposażone w oprogramowania do pomiaru kół zębatych, które umożliwiają w pełni automatyczne pomiary odchyłek zarysu (ewolwenty), linii zęba, podziałek i bicia promieniowego, topografii boku zęba. Wybór metody pomiarowej powinien odbywać się z uwzględnieniem dokładności wykonania koła zębatego oraz z uwzględnieniem możliwości sytemu i potrzeb pomiarowych. Artykuł będzie przedstawiał metodykę pomiaru walcowych kół zębatych z zastosowaniem standardowego oprogramowania CMM. Zaletą pomiarów kół zębatych z wykorzystaniem uniwersalnego oprogramowania pomiarowego, jest możliwość pomiaru kół o dowolnej geometrii w odniesieniu do modelu CAD. Wyniki powyższych badań diagnostycznych zapobiegają konieczności zakupu dodatkowego oprogramowania maszyny pomiarowej oraz jej przezbrajania. Analizy przeprowadzać można bezpośrednio w środowisku maszyny pomiarowej, albo w systemie CAD, na podstawie geometrii pozyskanej podczas pomiaru w odniesieniu do modelu wirtualnego. W drugim przypadku niezbędny jest eksport w odpowiednim formacie danych pomiarowych do oprogramowania CAD.
Źródło:
Diagnostyka; 2015, 16, 1; 47-50
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