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 "PNN neural network" wg kryterium: Wszystkie pola

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-7 z 7
    Tytuł:
    Wykorzystanie analizy WPT i sieci neuronowych PNN w diagnozowaniu zakłóceń w dopływie paliwa do cylindrów
    The application of a wavelet packet transform and PNN neural network for disturbances in the fuel inflow SI engine detection
    Autorzy:
    Czech, P.
    Madej, H.
    Powiązania:
    https://bibliotekanauki.pl/articles/256599.pdf
    Data publikacji:
    2009
    Wydawca:
    Sieć Badawcza Łukasiewicz - Instytut Technologii Eksploatacji - Państwowy Instytut Badawczy
    Tematy:
    diagnostyka
    silnik spalinowy
    analiza falkowa (WPT)
    sieć neuronowa PNN
    diagnostics
    SI engine
    wavelet packet transform
    WPT
    PNN neural network
    Opis:
    W artykule przedstawiono wyniki badań diagnostycznych silnika spalinowego przy zastosowaniu pakietu analizy falkowej (WPT) i probabilistycznej sieci neuronowej. Obiektem badań był czterocylindrowy silnik spalinowy z zapłonem iskrowym. Głównym celem badań było określenie wpływu symulowanego braku dopływu paliwa do poszczególnych cylindrów na sygnał przyspieszeń drgań kadłuba silnika. Zarejestrowane sygnały przyspieszeń drgań zostały poddane analizie za pomocą WPT w celu określenia entropii sygnału na poszczególnych poziomach dekompozycji. Określona wartość entropii stanowiła podstawę do budowy wzorców stanów pracy silnika przeznaczonych do uczenia sieci neuronowych. Z przeprowadzonych badań wynika, że istnieje możliwość wykorzystania analizy WPT i probabilistycznych sztucznych sieci neuronowych do diagnozowania uszkodzeń silników spalinowych.
    An investigation of a fault diagnostic technique for internal combustion engine using wavelet packet transform (WPT) and probabilistic neural network is presented in this paper. The object of research was a four-cylinder spark ignition engine. The main purpose of the research was to determine the effect of the lack of fuel inflow to an individual cylinder of the engine block vibration signal. The vibration signals are decomposed by WPT to obtain the approximated and detailed coefficient and to calculate wavelet packet node entropy. The value of entropy was used as a basis in the construction of the states of engine operation intended for teaching probabilistic neural network. The experimental results indicated that the proposed system using the engine block vibration signal is effective and can be used for fault detection of an IC engine.
    Źródło:
    Problemy Eksploatacji; 2009, 1; 17-26
    1232-9312
    Pojawia się w:
    Problemy Eksploatacji
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Wykorzystanie algorytmów genetycznych do doboru wejść klasyfikatora uszkodzeń zębów kół przekładni opartego na sieci neuronowej PNN oraz krótkoczasowej transformacie Fouriera
    The use of genetic algorithms in the task of choosing inputs for PNN neural network classifier of faults of gear-tooth which used inputs from STFT analysis
    Autorzy:
    Czech, P.
    Powiązania:
    https://bibliotekanauki.pl/articles/258316.pdf
    Data publikacji:
    2007
    Wydawca:
    Sieć Badawcza Łukasiewicz - Instytut Technologii Eksploatacji - Państwowy Instytut Badawczy
    Tematy:
    diagnostyka
    przekładnia zębata
    sztuczna inteligencja
    sztuczna sieć neuronowa
    algorytm genetyczny
    krótkoczasowa transformata Fouriera
    diagnostic
    toothed gear
    artificial intelligent method
    PNN
    genetic algorithm
    short-time Fourier transform
    Opis:
    W artykule przedstawiono wyniki prób mających na celu budowę klasyfikatora lokalnych uszkodzeń zębów kół przekładni, opartego na sztucznych sieciach neuronowych. W badaniach wykorzystywano probabilistyczne sieci neuronowe (PNN). Dodatkowo podjęto próbę wykorzystania algorytmów genetycznych do celów wyboru wejść klasyfikatora neuronowego. Badania oparto na sygnałach drganiowych otrzymanych z modelu dynamicznego przekładni pracującej w układzie napędowym. W artykule zaproponowano sposób budowy deskryptorów lokalnych uszkodzeń zębów kół wykorzystując do tego celu sygnały drganiowe poddane odpowiedniej filtracji oraz przetwarzaniu z użyciem krótkoczasowej transformaty Fouriera (STFT).
    The present paper presents the results of an experimental application of probabilistic neural network as a classifier of the degree of cracking root of the tooth in a gear wheel. The input data for the classifier was in a form of matrix composed of statistical measures, obtained from short time Fourier transform. The model of gearbox was used in order to create a base of knowledge. In the experiment genetic algorithms was used to check influence of choosing inputs for neural classifier on diagnostic error.
    Źródło:
    Problemy Eksploatacji; 2007, 3; 51-70
    1232-9312
    Pojawia się w:
    Problemy Eksploatacji
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Wykorzystanie probabilistycznych sieci neuronowych do wyznaczania ryzyka powstania szkód w budynkach poddanych wstrząsom górniczym
    Probabilistic neural networks in the assessment of the risk of damage to buildings subject to mining tremors
    Autorzy:
    Witkowski, M.
    Rusek, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/166968.pdf
    Data publikacji:
    2017
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Górnictwa
    Tematy:
    obiekty budowlane
    wstrząsy górnicze
    ryzyko
    szkody górnicze
    probabilistyczne sieci neuronowe
    PNN
    building structures
    mining tremors
    risk
    mining damage
    probabilistic neural network
    Opis:
    W pracy przedstawiono metodykę pozwalającą na wyznaczenie ryzyka powstania szkód górniczych w budynkach o tradycyjnej konstrukcji murowanej w przypadku silnych wstrząsów górniczych. Podstawą do analiz była baza danych o zgłoszeniach uszkodzeń, jakie wystąpiły po wstrząsach z 20.02.2002 r., 16.05.2004 r. oraz 21.05.2006 r. (LGOM Polkowice) W oparciu o te dane utworzono model klasyfikacyjny w postaci probabilistycznej sieci neuronowej (PNN - Probabilistic Neural Network). Bazując na wynikach wcześniejszych prac, w modelu ujęto konstrukcyjne i geometryczne cechy budynków oraz ich zabezpieczenia przeciwko wstrząsom górniczym. Powstały klasyfikator pozwala na wskazanie prawdopodobieństwa powstania szkody przy zadanym zestawie zmiennych wejściowych. Probabilistyczna notacja modelu daje możliwość efektywnego szacowania prawdopodobieństwa wystąpienia szkody w analizie dużych grup obiektów budowlanych zlokalizowanych w obszarze oddziaływań parasejsmicznych. Pozwolić to może z kolei na oszacowanie, z odpowiednim prawdopodobieństwem, nakładów finansowych, które zakład górniczy powinien zabezpieczyć na usunięcie spodziewanych szkód górniczych.
    This paper presents a methodology that allows to determine the risk of mining damage in buildings of conventional brickwork in the case of strong mining tremors. The basis for the analysis was the database on notifications of damage occurring after the upheavals of 20 February 2002, 16 May 2004 and 21 May 2006 (LGOM – Polkowice). Based on these data classification a model in the form of a probabilistic neural network (PNN) was developed. Basing on the results of the previous papers, the model includes structural and geometric characteristics of the buildings and their protection against mining tremors. The probability of damage at a given set of input variables can be indicated owing to the obtained classifier. An efficient way to estimate the probability of damage in the analysis of large groups of buildings located in the area of paraseismic interaction can be obtained by the use of a probabilistic notation model. Due to PNN the financing costs of removing the anticipated mining damage can be estimated with an appropriate probability.
    Źródło:
    Przegląd Górniczy; 2017, 73, 1; 44-47
    0033-216X
    Pojawia się w:
    Przegląd Górniczy
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Fault diagnosis model of rolling bearing based on parameter adaptive VMD algorithm and Sparrow Search Algorithm-Based PNN
    Autorzy:
    Li, Junxing
    Liu, Zhiwei
    Qiu, Ming
    Niu, Kaicen
    Powiązania:
    https://bibliotekanauki.pl/articles/24200836.pdf
    Data publikacji:
    2023
    Wydawca:
    Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
    Tematy:
    rolling bearing
    failure diagnosis
    adaptive variational mode decomposition
    sparrow probabilistic neural network
    Opis:
    Fault diagnosis of rolling bearings is essential to ensure the proper functioning of the entire machinery and equipment. Variational mode decomposition (VMD) and neural networks have gained widespread attention in the field of bearing fault diagnosis due to their powerful feature extraction and feature learning capacity. However, past methods usually utilize experiential knowledge to determine the key parameters in the VMD and neural networks, such as the penalty factor, the smooth factor, and so on, so that generates a poor diagnostic result. To address this problem, an Adaptive Variational Mode Decomposition (AVMD) is proposed to obtain better features to construct the fault feature matrix and Sparrow probabilistic neural network (SPNN) is constructed for rolling bearing fault diagnosis. Firstly, the unknown parameters of VMD are estimated by using the genetic algorithm (GA), then the suitable features such as kurtosis and singular value entropy are extracted by automatically adjusting the parameters of VMD. Furthermore, a probabilistic neural network (PNN) is used for bearing fault diagnosis. Meanwhile, embedding the sparrow search algorithm (SSA) into PNN to obtain the optimal smoothing factor. Finally, the proposed method is tested and evaluated on a public bearing dataset and bearing tests. The results demonstrate that the proposed method can extract suitable features and achieve high diagnostic accuracy.
    Źródło:
    Eksploatacja i Niezawodność; 2023, 25, 2; art. no. 163547
    1507-2711
    Pojawia się w:
    Eksploatacja i Niezawodność
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Diagnosing of car engine fuel injectors damage using DWT analysis and PNN neural networks
    Diagnozowanie uszkodzeń wtryskiwaczy w silnikach spalinowych pojazdów przy użyciu analizy DWT i sieci neuronowych PNN
    Autorzy:
    Czech, P.
    Bąkowski, H.
    Powiązania:
    https://bibliotekanauki.pl/articles/961458.pdf
    Data publikacji:
    2013
    Wydawca:
    Politechnika Śląska. Wydawnictwo Politechniki Śląskiej
    Tematy:
    internal combustion engine
    artificial neural network
    diagnostics
    silnik spalinowy
    sztuczna sieć neuronowa
    diagnostyka
    Opis:
    In many research centers all over the world nowadays works are being carried out aimed at compiling method for diagnosis machines technical condition. Special meaning have non-invasive methods including methods using vibroacoustic phenomena. In this article is proposed using DWT analysis and energy or entropy, which are a base for diagnostic system of fuel injectors damage in car combustion engine. There were conducted researches aimed at building of diagnostic system using PNN neural networks.
    W wielu ośrodkach naukowych na całym świecie trwają obecnie prace mające na celu opracowanie metod diagnozowania stanu technicznego maszyn. Szczególnego znaczenia nabierają metody nieinwazyjne, do których należą metody wykorzystujące zjawiska wibroakustyczne. W artykule zaproponowano wykorzystanie analizy DWT oraz energii lub entropii będących podstawą systemu diagnozującego występującą niesprawność wtryskiwaczy w silniku spalinowym samochodu. Przeprowadzono badania mające na celu budowę systemu diagnostycznego wykorzystującego sieci neuronowe typu PNN.
    Źródło:
    Transport Problems; 2013, 8, 3; 85-91
    1896-0596
    2300-861X
    Pojawia się w:
    Transport Problems
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Próba predykcji zmiany stężenia SO2 w atmosferze przy wykorzystaniu klasyfikatora PNN – badania wstępne
    Prediction of changes in the concentration of SO2 in the atmosphere by using PNN classifier – preliminary test
    Autorzy:
    Czech, R.
    Czech, P.
    Powiązania:
    https://bibliotekanauki.pl/articles/252884.pdf
    Data publikacji:
    2015
    Wydawca:
    Instytut Naukowo-Wydawniczy TTS
    Tematy:
    zanieczyszczenie środowiska
    ochrona środowiska
    SO2
    sztuczna sieć neuronowa
    environment pollution
    environmental protection
    artificial neural network
    Opis:
    Zanieczyszczenia środowiska naturalnego wpływa na komfort życia, szczególnie na terenach zurbanizowanych. Na całym świecie prowadzi się działania, których celem jest poprawa istniejącego stanu. Ochrona środowiska ma również szczególne znaczenie w polityce Unii Europejskiej. Prowadzi się liczne działania mające na celu zachęcać do tworzenia ekologicznej gospodarki, a także dbać o zdrowie i dobrobyt ludzi. Wprowadzanie zaostrzonych norm oraz finansowe wspieranie ekologicznych projektów ma istotny wpływ na wiele gałęzi gospodarki, szczególnie w zakresie przemysłu, transportu, czy produkcji energii. W artykule przedstawiono wyniki wstępnych badań związanych z predykcją zmian wartości stężenia SO2 w powietrzu atmosferycznym. W badaniach posłużono się danymi pomiarowymi ze stacji monitoringu powietrza w Gliwicach. W eksperymentach sprawdzano możliwość wykorzystania sztucznych sieci neuronowych typu PNN.
    Environmental pollution has a particular impact on the comfort of life, especially in urban areas. Around the world, efforts are aimed at improving this situation. Particular importance in the policy of the European Union is protecting the environment. Its activities are designed to encourage companies for creating a green economy, as well as care for the health and prosperity of people. The introduction of more stringent standards, and financial support for environmental projects have a significant impact on many sectors of the economy, especially in the field of industry, transport, and energy production. The article presents results of preliminary studies related to the prediction of changes in the concentration of SO2 in atmospheric air. Researches was based on the data on concentrations of pollutants and meteorological conditions recorded by an automatic station monitoring the air quality in Gliwice. The possibility of using PNN artificial neural networks were tested in the experiments.
    Źródło:
    TTS Technika Transportu Szynowego; 2015, 12; 342-346, CD
    1232-3829
    2543-5728
    Pojawia się w:
    TTS Technika Transportu Szynowego
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Klasyfikator lokalnych uszkodzeń zębów kół przekładni, wykorzystujący sieci neuronowe MLP oraz ciągłą transformatę falkową
    Classifier of fault diagnosis in a gear wheel which used MLP neural network and continuous wavelet transform
    Autorzy:
    Czech, P.
    Powiązania:
    https://bibliotekanauki.pl/articles/257799.pdf
    Data publikacji:
    2007
    Wydawca:
    Sieć Badawcza Łukasiewicz - Instytut Technologii Eksploatacji - Państwowy Instytut Badawczy
    Tematy:
    diagnostyka
    przekładnia zębata
    metoda sztucznej inteligencji
    sztuczna sieć neuronowa
    MLP
    diagnostic testing
    toothed gear
    artificial intelligent methods
    PNN
    Opis:
    W artykule przedstawiono wyniki prób mających na celu budowę klasyfikatora lokalnych uszkodzeń zębów kół przekładni, opartego na sztucznych sieciach neuronowych. W badaniach wykorzystano sieci neuronowe typu perceptron wielowarstwowy (MLP). Obiekt badań stanowiła przekładnia zębata o zębach prostych, pracująca na stanowisku mocy krążącej FZG. Badaniami objęto przekładnie z kołami bez uszkodzeń oraz z lokalnymi uszkodzeniami zębów w postaci pęknięcia u podstawy zęba i wykruszenia wierzchołka zęba. W artykule zaproponowano budowę deskryptorów lokalnych uszkodzeń zębów kół wykorzystując do tego celu sygnały drganiowe poddane odpowiedniej filtracji oraz przetwarzaniu.
    The paper presents the results of an experimental application of an artificial neural network as a classifier of the degree of the cracking root and the chipping tip of the tooth in a gear wheel. The neural classifier was based on the artificial neural network of an MLP type (Multi-Layer Perceptions). The input data for the classifier was in the form of a matrix composed of statistical measures, obtained from continuous wavelet analysis. In order to create a basis of knowledge, a stand testing was done. The experimental tests were conducted in the system operating as circulating power test rigs. As a result, the method of standard construction for diagnostic systems based on artificial intelligence was also worked out by means of defining the ways of filtrating and analysing of signals and diagnostic measurements. Additionally, the choice of the architecture and algorithm of teaching artificial neural networks used to classify the state of an object was researched.
    Źródło:
    Problemy Eksploatacji; 2007, 4; 61-81
    1232-9312
    Pojawia się w:
    Problemy Eksploatacji
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-7 z 7

      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