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 "Gibiec, M." wg kryterium: Autor

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-7 z 7
    Tytuł:
    Zastosowanie sieci neuronowych Kohonena w klasyfikacji stanu obiektu
    Kohonen Neutral Networks for Object State Classification
    Autorzy:
    Gibiec, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/155199.pdf
    Data publikacji:
    2003
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    sieci neuronowe Kohonena
    Kohonen Neutral Networks
    Opis:
    W artykule przedstawiono możliwości wykorzystywania sieci neutronowych Kohonena do klasyfikacji stanu. Pokazano poprawne działanie sieci w przypadku danych z dziedziny częstotliwości oraz z dziedziny czasu. Zaprezentowano przykłady zastosowań do klasyfikacji stanu maszyny wirnikowej oraz klasyfikacji stanu procesu realizowanego przez blok energetyczny.
    In this paper application of Kohen"s neutral networks for classification of object condition is presented. Network preformance was testd whit frequency and time domain data. Exemples of classification of a rotating machine condition and a state of process realized in power plant are presented.
    Źródło:
    Pomiary Automatyka Kontrola; 2003, R. 49, nr 5, 5; 11-13
    0032-4140
    Pojawia się w:
    Pomiary Automatyka Kontrola
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Soft computing tools for machine diagnosing
    Metody soft computing w narzędziach do diagnozowania maszyn
    Autorzy:
    Gibiec, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/281985.pdf
    Data publikacji:
    2004
    Wydawca:
    Polskie Towarzystwo Mechaniki Teoretycznej i Stosowanej
    Tematy:
    soft computing
    diagnosing systems
    Opis:
    This work is aimed at creating soft computing tools for machine diagnosing systems. There are some problems with interpretating measured data in these systems. To ovecome the problems with a big number of information in a diagnosing system, a neural pre-processer was proposed. A neural network can be used for reducing the size of analysed features. The fault detection and isolation is difficult due to context and broaden relations between measured data and a machine state. Soft computing methods are helpful in solving such problems. Artificial neural networks and fuzzy logic systems were used in these studies. An approximation of the unknown diagnostic relations symptom-state was done by both created tools. The only information about these relations were hidden in measured data that illustrate an expert knowledge formulated in a natural language. Such a form of information is the basis of constructing neural networks and fuzzy systems adequatly. The case study was fault detection of a high power fan. The working correctness of soft computing tools, presented in this work, was examined in the context of results obtained by utilisation of pattern recognition methods. The comparison of their performance speed, noise robustness and early detection of failure was also made.
    W pracy omówiono wykorzystanie metod soft computing do budowy narzędzi stosowanych w systemach diagnostyki maszyn. W takich systemach istotnym zagadnieniem jest interpretacja mierzonych danych. Aby rozwiązać problemy związane z analizą dużej ilości informacji w systemie diagnostycznym, zaproponowano neuronowy procesor. Sieć neuronową wykorzystano do redukcji rozmiaru analizowanego wektora cech. Detekcja i izolacja uszkodzeń jest zadaniem trudnym z powodu rozmytych i kontekstowych relacji pomiędzy mierzonymi danymi i stanem maszyny. Metody soft computing są pomocnym narzędziem do rozwiązywania tego typu problemów. W niniejszej pracy wykorzystano techniki zbiorów rozmytych i sieci neuronowych. Zbudowane z ich wykorzystaniem narzędzia dokonują aproksymacji relacji diagnostycznych symptom-stan. Wiedza na temat tych relacji jest ukryta w zarejestrowanych danych, które ilustrują wiedzę ekspertów pozyskaną w języku naturalnym. Taka forma zgromadzonej wiedzy jest podstawą konstruowania sieci neuronowych i systemów rozmytych. Ich działanie zilustrowano na przykładzie detekcji uszkodzeń wentylatora dużej mocy. Dokładność działania prezentowanych w pracy narzędzi soft computing przetestowano w kontekście wyników otrzymywanych za pomocą metod rozpoznawania obrazów. W pracy przedstawiono także porównanie szybkości działania, odporności na zakłócenia i zdolności do wczesnego wykrywania uszkodzeń dla wszystkich wymienionych metod.
    Źródło:
    Journal of Theoretical and Applied Mechanics; 2004, 42, 3; 483-501
    1429-2955
    Pojawia się w:
    Journal of Theoretical and Applied Mechanics
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Application of selected Data Mining methods to machinery operation
    Zastosowania wybranych metod Data Mining w eksploatacji maszyn
    Autorzy:
    Gibiec, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/327756.pdf
    Data publikacji:
    2009
    Wydawca:
    Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
    Tematy:
    maszyna
    eksploatacja
    stan techniczny
    data mining
    analiza danych
    machine
    diagnostics
    technical condition
    data analysis
    Opis:
    In this research an example of selected Data Mining techniques application to mining cutterloader exploitation and service planning was presented. Information, concerning a type of machine failure or execution of servicing activity, recorded in servicing protocols, was used. Early information about the range of expected service is essential for optimization of schedule of services and contents of spare parts stockroom. In this research, forecasting of the maintenance activities range was analyzed. Also the identification of sequence of activities performed during following machine stoppages was performed. Such information makes it possible to increase the reliability of maintenance due to conducting services of several parts during the same break in exploitation. For these purposes algorithms of sequence and link analyses were used.
    W pracy przedstawiono przykład wykorzystania wybranych technik Data Mining do wspomagania eksploatacji górniczego kombajnu ścianowego. Wykorzystano informacje o rodzaju uszkodzenia lub wykonanej czynności serwisowej zawarte w protokołach serwisowych sporządzanych przez służby utrzymania ruchu. Ponieważ wczesna informacja o zakresie serwisu pomaga w lepszym jego zaplanowaniu oraz daje możliwość optymalizacji stanów magazynowych części zamiennych, w pracy przeanalizowano możliwość przewidywania zakresu czynności utrzymaniowych. Dokonano także identyfikacji sekwencji następujących po sobie czynności wykonywanych podczas kolejnych zatrzymań maszyny. Ich znajomość umożliwia obniżenie kosztów utrzymania poprzez wykonanie serwisu kilku elementów podczas jednego postoju. Do tych zastosowań wykorzystano metody analizy połączeń i sekwencji.
    Źródło:
    Diagnostyka; 2009, 3(51); 69-72
    1641-6414
    2449-5220
    Pojawia się w:
    Diagnostyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Neuronowe mapy cech w systemie diagnostycznym elektrowni
    Neural feature maps in power plant diagnostic system
    Autorzy:
    Gibiec, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/328332.pdf
    Data publikacji:
    2002
    Wydawca:
    Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
    Tematy:
    przetwarzanie informacji
    informacja pomiarowa
    system diagnostyczny
    sieć neutronowa
    processing information
    measurement information
    diagnostic system
    neural network
    Opis:
    Dążenie do zapewnienia jak najdłuższej i bezawaryjnej eksploatacji obiektów technicznych powoduje zapotrzebowanie na dokładną informację stanie obiektu. Instaluje się więc coraz więcej czujników i systemów pomiarowych tworząc systemy diagnostyki. Ilość gromadzonych informacji jest jednak tak duża, że rodzi to problemy z jej przetwarzaniem. W przedstawionej pracy podjęto próbę wykorzystania sztucznych sieci neuronowych typu Kohonena do analizy dużej liczby sygnałów zbieranych w trakcie pracy typowego turbozespołu elektrowni i jego instalacji pomocniczych. Uzyskane sieci neuronowe realizują zadanie wykrywania zmiany stanu maszyny. Zaprezentowano wyniki działania opracowanego oprogramowania do przetwarzania odpowiedzi zaimplementowanych sieci. Jego działanie ukierunkowano na wizualizację graficzną położenia aktywnego neuronu na tle regionów ilustrujących stan maszyny. W pracy pokazano także możliwości korzystania z sieci neuronowych do wykrywania sygnałów, których zmiany umożliwiają określenie stanu maszyny.
    Aspiration for assertion of the longest and nondefect technical machinery exploitation causes demand for high accuracy information of machinery condition. A growing number of sensors and measurement systems one install in the machinery creating diagnostic systems. A quantity of acquired information is so big that one have problems with its analysing. This case study presents an application of a Kohonen's type artificial neural network utilisation for parallel analysing of a big number of signals measured during typical power plant machinery exploitation. Implemented artificial neural networks accomplish detection of the machinery condition change. Results of neural networks answers postprocessing programs are presented. A visualisation of network activity on the map of machinery state regions is done. Detection of signals which changes make possible machinery state assessing using neural networks is implemented.
    Źródło:
    Diagnostyka; 2002, 26; 121-126
    1641-6414
    2449-5220
    Pojawia się w:
    Diagnostyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Zastosowanie technik Data Mining do odkrywania relacji diagnostycznych w danych opisujących przebieg historii eksploatacji maszyn
    Data Mining techniques application to diagnostic relations discovering in historic data of machinery exploitation
    Autorzy:
    Gibiec, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/329144.pdf
    Data publikacji:
    2007
    Wydawca:
    Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
    Tematy:
    relacje diagnostyczne
    klasyfikacja stanu technicznego
    data mining
    analiza danych
    diagnostic relations
    technical condition classification
    data analyses
    Opis:
    W pracy przedstawiono przykład wykorzystania wybranych technik Data Mining do odkrywania relacji diagnostycznych w danych z rejestratora przebiegu eksploatacji górniczego kombajnu ścianowego. Wykorzystując metody grupowania określono ilość grup w danych oraz zweryfikowano ich związek ze stanem technicznym urządzenia na podstawie protokołów serwisowych. Zbudowano modele klasyfikujące wyróżnione stany techniczne urządzenia wykorzystując metody drzew klasyfikujących. Analizując działanie mechanizmu klasyfikującego drzew w postaci reguł odkryto relacje diagnostyczne opisujące przyczyny zmian stanu technicznego rozważanego urządzenia.
    In this research an example of Data Mining techniques application to diagnostic relations discovering from data recorder of exploitation parameters of mining cutter-loader was presented. Using clustering methods the number of clusters in data was determined. Their correlations with technical condition of machinery was verified basing on servicing documentation. Classification trees methods were used to build models classifying listed technical conditions. Performance of their classification system in form of rules was investigated. Basing on these rules diagnostic relations describing reasons of technical condition changes were discovered.
    Źródło:
    Diagnostyka; 2007, 3(43); 65-70
    1641-6414
    2449-5220
    Pojawia się w:
    Diagnostyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Wykorzystanie pomiarów akustycznych do oceny stanu maszyn elektrycznych
    Application of acoustic measurements for electrical machines condition assessment
    Autorzy:
    Gibiec, M.
    Miękina, L.
    Powiązania:
    https://bibliotekanauki.pl/articles/328786.pdf
    Data publikacji:
    2004
    Wydawca:
    Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
    Tematy:
    ocena stanu technicznego maszyn
    sygnały akustyczne
    sieci neuronowe
    machine technical state control
    acoustic signals
    neural networks
    Opis:
    W niniejszym artykule zaprezentowano przykład oceny stanu maszyn elektrycznych na podstawie analizy sygnałów akustycznych. Przedmiotem badań była ocena jakości nowych podzespołów schodzących z linii produkcyjnej. W tym przypadku pierwsze symptomy niepełnej zdatności ujawniają się w dziedzinie sygnałów akustycznych, a dopiero w trakcie dalszej eksploatacji rozwijają się do stadium wykrywanego przez pomiary drganiowe. Podstawą oceny było widmo fali akustycznej ujednolicone dla wszystkich egzemplarzy względem prędkości obrotowej. Wykorzystywanym narzędziem jest odpowiednio przygotowana sieć neuronowa typu Kohonena. Efekty jej działania porównano z wynikami metody minimalnoodległościowej opartej o uśrednione wzorce widmowe.
    In this article, an example of electric machines condition assessment is presented. The case studies were new components quality control. In such case first symptoms of unserviceability disclose in acoustic domain and then in later exploitation they develop into form detectable in vibration measurements. The basis of assessement was acoustic wave spectrum normalized in relation to rotating speed. The assessing tool is adequatly prepered neural network of Kohonen's type. Its performance was compared to results of minimum distance method basing on averaged spectrum patterns.
    Źródło:
    Diagnostyka; 2004, 30, T. 1; 187-190
    1641-6414
    2449-5220
    Pojawia się w:
    Diagnostyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Selection of clustering methods for wind turbines operational data
    Dobór metod grupowania danych procesowych dla turbin wiatrowych
    Autorzy:
    Gibiec, M.
    Barszcz, T.
    Bielecka, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/327686.pdf
    Data publikacji:
    2010
    Wydawca:
    Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
    Tematy:
    diagnostyka maszyn
    turbina wiatrowa
    eksploracja danych
    grupowanie
    machine diagnostics
    wind turbine
    data mining
    clustering
    Opis:
    Quickly growing number of monitored wind turbines has changed the needs for monitoring and diagnostic algorithms. The data from hundreds of monitoring systems are transferred to the diagnostic centers, where the data should be analyzed. High cost of labor created the need for automated diagnostic methods. The first task in this wide discipline is classification of the data and detection of malfunction states. The paper investigates application of data mining methods for classification of operational data from wind turbines. It is shown, that combination of the agglomeration method with the C-means clustering yields very good results and can be used for automated diagnostics of wind farms.
    Szybko rosnąca liczba monitorowanych turbin wiatrowych zmieniła potrzeby w zakresie algorytmów monitorowania diagnostyki. Obecnie dane z setek systemów monitorowania przesyłane są do centrów diagnostycznych, gdzie muszą zostać przeanalizowane. Wysokie koszty pracy ekspertów spowodowały potrzebę zautomatyzowania metod diagnostycznych. Pierwszym zadaniem stała się automatyczna klasyfikacja danych i wykrywanie stanów niesprawności. Artykuł przedstawia zastosowanie metod "data mining" do klasyfikacji danych procesowych z turbin wiatrowych. Pokazano, że połączenie metody aglomeracji danych z metodą K-means daje bardzo dobre wyniki i może być zastosowane do zautomatyzowanej diagnostyki farm wiatrowych.
    Źródło:
    Diagnostyka; 2010, 4(56); 37-42
    1641-6414
    2449-5220
    Pojawia się w:
    Diagnostyka
    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