Informacja

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

Wyszukujesz frazę "empirical identification" wg kryterium: Temat


Wyświetlanie 1-2 z 2
Tytuł:
Determinants of selecting a research laboratory of agricultural machinery – requirement significance assessment
Determinanty wyboru laboratorium badawczego maszyn rolniczych – ocena istotności wymagań
Autorzy:
Nogalski, B.
Niewiadomski, P.
Bartłomiejczak, K.
Powiązania:
https://bibliotekanauki.pl/articles/334639.pdf
Data publikacji:
2018
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:
selection determinants
research laboratory
agricultural machinery
empirical identification
determinanty wyboru
laboratorium badawcze
maszyny rolnicze
weryfikacja empiryczna
Opis:
The subject of this research – constituting its final study – are the determinants of selecting a research laboratory for the needs of conducting the operational safety tests and compatibility assessment in order to issue an EC conformity declaration, as well as to voluntarily certify for a “B” safety symbol. The studies were run from the point of view of small, medium, and large manufacturing companies of agricultural machinery. The fundamental objective of this research is an attempt to reply to the question: what factors – from the point of view of the manufacturers of agricultural machinery – are relevant when selecting a research entity by them. The main objective achievement required identifying the determinants of selecting a research laboratory by the Polish manufacturer of agricultural machinery (first part of the study – research model construction), which was subject to exploration in this part of the study; theoretical model validation (assessment of the significance of requirements). Such an activity allowed for interference profiled towards the indication of a recommendation related to the way and direction of the research laboratory improvement.
Przedmiotem badań niniejszego opracowania – stanowiącego badanie właściwe – są determinanty wyboru laboratorium badawczego dla potrzeb przeprowadzenia badań bezpieczeństwa użytkowania, oceny zgodności w celu wystawienia deklaracji zgodności WE oraz dobrowolnej certyfikacji na znak bezpieczeństwa „B”. Badania prowadzono z perspektywy małych, średnich i dużych przedsiębiorstw produkujących maszyny rolnicze. Fundamentalnym celem badań jest próba odpowiedzi na pytanie: jakie czynniki – z punktu widzenia wytwórców maszyn rolniczych – są istotne przy wyborze przez nich jednostki badawczej. Osiągnięcie celu głównego wymagało zidentyfikowania czynników warunkujących wybór laboratorium badawczego przez polskiego producenta maszyn rolniczych (część pierwsza opracowania – budowa modelu badawczego), który w niniejszej części opracowania poddano eksploracji; walidacja modelu teoretycznego (ocena istotności wymagań). Takie działanie pozwoliło na wnioskowanie sprofilowane na wskazanie rekomendacji dotyczącej sposobu i kierunku doskonalenia laboratorium badawczego.
Źródło:
Journal of Research and Applications in Agricultural Engineering; 2018, 63, 4; 156-161
1642-686X
2719-423X
Pojawia się w:
Journal of Research and Applications in Agricultural Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Noise Source Identification Method for a Warp Machine Based on MEEMD_AIC
Metoda identyfikacji źródła hałasu maszyny dziewiarskiej oparta na MEEMD_AIC
Autorzy:
Xu, Yang
Zhang, Ziyu
Li, Angang
Sheng, Xiaowei
Powiązania:
https://bibliotekanauki.pl/articles/231620.pdf
Data publikacji:
2020
Wydawca:
Sieć Badawcza Łukasiewicz - Instytut Biopolimerów i Włókien Chemicznych
Tematy:
warp knitting machine
noise source identification
modified ensemble empirical mode decomposition
MEEMD
Akaike Information Criterion
maszyna dziewiarska
źródło hałasu
zmodyfikowany zespół dekompozycji trybu empirycznego
kryterium informacyjne Akaike
Opis:
In order to recognise the noise source of a warp knitting machine, a method based on Modified Ensemble Empirical Mode Decomposition (MEEMD) and Akaike Information Criterion (AIC) is proposed. The MEEMD_AIC method is applied to measure the noise signal of a warp knitting machine and analyse every single effective component selected. Noise source identification is realised by combining the vibration signal characteristics of the main parts of the warp knitting machine. Firstly, MEEMD is used to decompose the measured noise signal of the warp knitting machine into a finite number of intrinsic mode function (IMF) components. Then, singular value decomposition (SVD) is performed on the covariance matrix of the component matrix to get the eigen value of the matrix. Next, the number of effective components is estimated based on the AIC criterion, and the effective components are selected by combining the energy characteristic index and the Pearson correlation coefficient method. The results show that the noise signal of the warp knitting machine is a mixture of multiple noise source signals. The main noise sources of the warp knitting machine, including the vibration of the pulling roller, the main shaft of the loop forming mechanism and the push rod of the guide bar traverse the mechanism, provide theoretical support for recognition of the active noise reduction of the warp knitting machine using the MEEMD_AIC method.
W celu rozpoznania źródła szumu maszyny dziewiarskiej zaproponowano metodę rozpoznawania źródła hałasu opartą na zmodyfikowanym zespole dekompozycji trybu empirycznego (MEEMD) i Akaike Information Criterion (AIC). Metodę MEEMD_AIC zastosowano do pomiaru sygnału szumu maszyny dziewiarskiej i do analizy każdego elementu maszyny dziewiarskiej. Identyfikacja źródła hałasu odbywała się poprzez połączenie charakterystyki sygnału wibracji głównych części maszyny dziewiarskiej. Po pierwsze, MEEMD zastosowano do dekompozycji zmierzonego sygnału szumowego maszyny dziewiarskiej na skończoną liczbę elementów składowych funkcji trybu wewnętrznego (IMF). Następnie przeprowadzono rozkład wartości pojedynczej (SVD) na macierz kowariancji macierzy składowej uzyskując wartość własną macierzy. Następnie oszacowano liczbę składników efektywnych na podstawie kryterium AIC, a składniki efektywne wybrano poprzez połączenie wskaźnika charakterystyki energetycznej i metody współczynnika korelacji Pearsona. Wyniki pokazały, że sygnał szumu maszyny dziewiarskiej jest mieszaniną wielu sygnałów źródeł hałasu. Na główne źródło hałasu maszyny dziewiarskiej składają się wibracje wałka ciągnącego oraz hałas głównego wału mechanizmu formowania pętli i popychacza mechanizmu poprzecznego prowadnicy. Przeprowadzona za pomocą metody MEEMD_AIC identyfikacja zapewnia teoretyczne wsparcie dla aktywnej redukcji hałasu dziania.
Źródło:
Fibres & Textiles in Eastern Europe; 2020, 3 (141); 55-61
1230-3666
2300-7354
Pojawia się w:
Fibres & Textiles in Eastern Europe
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-2 z 2

    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