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 defect" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-10 z 10
    Tytuł:
    On some critical machinery vibration monitoring algorithm and its application for incipient fault detection and localization
    Autorzy:
    Sokolova, A.
    Balitsky, F.
    Powiązania:
    https://bibliotekanauki.pl/articles/329660.pdf
    Data publikacji:
    2008
    Wydawca:
    Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
    Tematy:
    diagnostyka wibroakustyczna
    błąd
    wykrywanie
    wada maszyn
    vibration condition monitoring
    non-dimensional discriminant
    machine defect
    Opis:
    Further development of proposed earlier [1] critical machinery vibration monitoring algorithm intended for faults early detection, unlike standard monitoring techniques, is propounded. The algorithm is founded on nondimensional S-discriminants, calculated from current amplitude-clipped vibration signal parameters referred to the ones for the machine being in good (normal) condition. These parameters have an inherent high sensibility to amplitude spikes magnitude and amount growth, which takes place at vibration signal under the machine degradation, due to suppressing intrinsic machine vibration hash. The paper shows that really effective high speed machinery condition monitoring technique based on using casing vibration data should mandatory take into account the acceleration parameters calculated both in wide and narrow frequency bands.
    Źródło:
    Diagnostyka; 2008, 3(47); 121-124
    1641-6414
    2449-5220
    Pojawia się w:
    Diagnostyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Industrial Application of Deep Neural Network for Aluminum Casting Defect Detection in Case of Unbalanced Dataset
    Autorzy:
    Awtoniuk, Michał
    Majerek, Dariusz
    Myziak, Artur
    Gajda, Cyprian
    Powiązania:
    https://bibliotekanauki.pl/articles/2204946.pdf
    Data publikacji:
    2022
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    machine learning
    deep neural network
    classification
    casting defect
    casting defect detection
    Opis:
    We have developed a deep neural network for casting defect detection. The approach is original because it assumes the use of data related to the casting manufacturing process, i.e. measurement signals from the casting machine, rather than data describing the finished casting, e.g. images. The defects are related to the production of car engine heads made of silumin. In the current research we focused on the detection of defects related to the leakage of the casting. The data came from production plant in Poland. The dataset was unbalanced. It included nearly 38,500 observations, of which only 4% described a leak event. The work resulted in a deep network consisting of 22 layers. We assessed the classification accuracy using a ROC curve, an AUC index and a confusion matrix. The AUC value was 0.97 and 0.949 for the learning and testing dataset, respectively. The model allowed for an ex-post analysis of the casting process. The analysis was based on Shapley values. This makes it possible not only to detect the occurrence of a defect but also to give potential reasons for the appearance of a casting leak.
    Źródło:
    Advances in Science and Technology. Research Journal; 2022, 16, 5; 120--128
    2299-8624
    Pojawia się w:
    Advances in Science and Technology. Research Journal
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Zastosowanie analizy modalnej w diagnostyce maszyn
    Autorzy:
    Uhl, T.
    Powiązania:
    https://bibliotekanauki.pl/articles/329480.pdf
    Data publikacji:
    2000
    Wydawca:
    Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
    Tematy:
    maszyna
    diagnostyka
    analiza modalna
    uszkodzenie
    machine
    diagnostic
    modal analysis
    defect
    Opis:
    W pracy przedstawiono wybrane aspekty zastosowań analizy modalnej w diagnostyce maszyn. Przestawiono techniki analizy modalnej, które mogą być wykorzystane do realizacji analizy modalnej dla celów diagnostycznych. Pokazano zastosowanie eksploatacyjnej analizy modalnej do wykrywania uszkodzeń w konstrukcjach, poprzez estymacje energii odkształceń.
    Źródło:
    Diagnostyka; 2000, 23; 87-92
    1641-6414
    2449-5220
    Pojawia się w:
    Diagnostyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Multi-view learning for software defect prediction
    Autorzy:
    Kiyak, Elife Ozturk
    Birant, Derya
    Birant, Kokten Ulas
    Powiązania:
    https://bibliotekanauki.pl/articles/2060905.pdf
    Data publikacji:
    2021
    Wydawca:
    Politechnika Wrocławska. Oficyna Wydawnicza Politechniki Wrocławskiej
    Tematy:
    software defect prediction
    multi-view learning
    machine learning
    k-nearest neighbor
    Opis:
    Background: Traditionally, machine learning algorithms have been simply applied for software defect prediction by considering single-view data, meaning the input data contains a single feature vector. Nevertheless, different software engineering data sources may include multiple and partially independent information, which makes the standard single-view approaches ineffective. Objective: In order to overcome the single-view limitation in the current studies, this article proposes the usage of a multi-view learning method for software defect classification problems. Method: The Multi-View k-Nearest Neighbors (MVKNN) method was used in the software engineering field. In this method, first, base classifiers are constructed to learn from each view, and then classifiers are combined to create a robust multi-view model. Results: In the experimental studies, our algorithm (MVKNN) is compared with the standard k-nearest neighbors (KNN) algorithm on 50 datasets obtained from different software bug repositories. The experimental results demonstrate that the MVKNN method outperformed KNN on most of the datasets in terms of accuracy. The average accuracy values of MVKNN are 86.59%, 88.09%, and 83.10% for the NASA MDP, Softlab, and OSSP datasets, respectively. Conclusion: The results show that using multiple views (MVKNN) can usually improve classification accuracy compared to a single-view strategy (KNN) for software defect prediction.
    Źródło:
    e-Informatica Software Engineering Journal; 2021, 15, 1; 163--184
    1897-7979
    Pojawia się w:
    e-Informatica Software Engineering Journal
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Kinematicheskijj analiz raboty dinamicheskogo lentochnogo separtora
    The kinematics of dynamic band separator work
    Autorzy:
    Firman, J.
    Grusheckijj, S.
    Powiązania:
    https://bibliotekanauki.pl/articles/76932.pdf
    Data publikacji:
    2015
    Wydawca:
    Komisja Motoryzacji i Energetyki Rolnictwa
    Tematy:
    separation process
    bulk material
    agricultural machine
    potato pile
    tuber defect
    energy
    kinematics
    mathematical model
    Źródło:
    Motrol. Motoryzacja i Energetyka Rolnictwa; 2015, 17, 1
    1730-8658
    Pojawia się w:
    Motrol. Motoryzacja i Energetyka Rolnictwa
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Fault diagnosis of induction motors rotor using current signature with different signal processing techniques
    Autorzy:
    Guezam, Abdelhak
    Bessedik, Sid Ahmed
    Djekidel, Rabah
    Powiązania:
    https://bibliotekanauki.pl/articles/2096189.pdf
    Data publikacji:
    2022
    Wydawca:
    Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
    Tematy:
    asynchronous machine
    rotor defect
    diagnostic
    signal processing
    FFT
    HT
    WT
    maszyna asynchroniczna
    diagnostyka
    przetwarzanie sygnałów
    Opis:
    The popularity of asynchronous machines, particularly squirrel cage machines, stems from their inexpensive production costs, resilience, and low maintenance requirements. Unfortunately, potential flaws in these devices might have a negative impact on the facility's profitability and service quality. As a result, diagnostic tools for detecting flaws in these types of devices must be developed. Asynchronous machine problems can be diagnosed using a variety of methods. Signal processing techniques based on extracting information from characteristic quantities of electrical machine operation can provide highly useful information about flaws. The purpose of this research is to develop efficient algorithms based on numerous signal processing approaches for correctly detecting asynchronous cage machine rotor defects (rotor bar ruptures).
    Źródło:
    Diagnostyka; 2022, 23, 2; art. no. 2022201
    1641-6414
    2449-5220
    Pojawia się w:
    Diagnostyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    A smart fault identification system for ball bearing using simulation-driven vibration analysis
    Autorzy:
    Khaire, Pallavi
    Phalle, Vikas
    Powiązania:
    https://bibliotekanauki.pl/articles/27309884.pdf
    Data publikacji:
    2023
    Wydawca:
    Polska Akademia Nauk. Czasopisma i Monografie PAN
    Tematy:
    condition monitoring
    bearing defect
    FFT analyzer
    BPFI
    BPFO
    multiclass support
    vector machine
    monitorowanie stanu
    wada łożyska
    analizator FFT
    maszyna wektorowa
    Opis:
    Bearings are one of the pivotal parts of rotating machines. The health of a bearing is responsible for the hassle-free operation of a machine. As vibration signatures give intimations of machine failure at an earlier stage, mostly vibration-based condition monitoring is used to monitor bearing’s health for avoiding the risk of failure. In this work, a simulation-based approach is adopted to identify surface defects at ball bearing raceways. The vibration data in time and frequency domain is captured by FFT analyzer from an experimental setup. The time frequency domain conversion of a raw time domain data was carried out by wavelet packet transform, as it takes into account the transients and spectral frequencies. The rotor bearing model is simulated in Ansys. Finally, most influencing statistical features were extracted by employing Principal Component Analysis (PCA), and fed to Multiclass Support Vector Machine (MSVM). To train the algorithm, the simulated data is used whereas the data acquired from FFT analyzer is used for testing. It can be concluded that the defects are characterized by Ball Pass Frequency (BPF) at inner race and outer raceway as indicated in the literature. The developed model is capable to monitor bearing’s health which gives an average accuracy of 99%.
    Źródło:
    Archive of Mechanical Engineering; 2023, LXX, 2; 247--270
    0004-0738
    Pojawia się w:
    Archive of Mechanical Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Fabric Defect Detection and Classifier via Multi-Scale Dictionary Learning and an Adaptive Differential Evolution Optimized Regularization Extreme Learning Machine
    Wykrywanie defektów tkaniny i ich klasyfikacja poprzez zastosowanie maszyny uczącej się (ADE-RELM)
    Autorzy:
    Zhou, Zhiyu
    Wang, Chao
    Gao, Xu
    Zhu, Zefei
    Hu, Xudong
    Zheng, Xiao
    Jiang, Likai
    Powiązania:
    https://bibliotekanauki.pl/articles/233999.pdf
    Data publikacji:
    2019
    Wydawca:
    Sieć Badawcza Łukasiewicz - Instytut Biopolimerów i Włókien Chemicznych
    Tematy:
    defect detection
    multi-scale dictionary learning
    regularisation extreme learning machine
    adaptive differential evolution
    defekty tkaniny
    skuteczność wykrywania defektów
    maszyna ucząca się
    Opis:
    To develop an automatic detection and classifier model for fabric defects, a novel detection and classifier technique based on multi-scale dictionary learning and the adaptive differential evolution algorithm optimised regularisation extreme learning machine (ADE-RELM) is proposed. Firstly in order to speed up dictionary updating under the condition of guaranteeing dictionary sparseness, k-means singular value decomposition (KSVD) dictionary learning is used. Then multi-scale KSVD dictionary learning is presented to extract texture features of textile images more accurately. Finally a unique ADE-RELM is designed to build a defect classifier model. In the training ADE-RELM classifier stage, a self-adaptive mutation operator is used to solve the parameter setting problem of the original differential evolution algorithm, then the adaptive differential evolution algorithm is utilised to calculate the optimal input weights and hidden bias of RELM. The method proposed is committed to detecting common defects like broken warp, broken weft, oil, and the declining warp of grey-level and pure colour fabrics. Experimental results show that compared with the traditional Gabor filter method, morphological operation and local binary pattern, the method proposed in this paper can locate defects precisely and achieve high detection efficiency.
    W celu opracowania automatycznego modelu wykrywania i klasyfikowania defektów tkanin, zaproponowano nowatorską technikę wykrywania i klasyfikowania opartą na zastosowaniu maszyny uczącej się (ADE-RELM). Proponowana metoda ma na celu wykrywanie powszechnych defektów, takich jak przerwana osnowa i wątek oraz zabrudzenia po oleju. Wyniki eksperymentalne pokazują, że w porównaniu z tradycyjną metodą filtrów Gabora, operacją morfologiczną i lokalnym wzorcem binarnym, proponowana w artykule metoda pozwala na precyzyjne zlokalizowanie defektów i osiąga wysoką skuteczność ich wykrywania.
    Źródło:
    Fibres & Textiles in Eastern Europe; 2019, 1 (133); 67-77
    1230-3666
    2300-7354
    Pojawia się w:
    Fibres & Textiles in Eastern Europe
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Wear characteristics and defects analysis of friction stir welded joint of aluminium alloy 6061-T6
    Charakterystyka zużycia i analiza uszkodzeń złącza ze stopu aluminium 6061-T6 zgrzewanego tarciowo z przemieszaniem
    Autorzy:
    Kumar, R.
    Chattopadhyaya, S.
    Hloch, S.
    Krolczyk, G.
    Legutko, S.
    Powiązania:
    https://bibliotekanauki.pl/articles/1365830.pdf
    Data publikacji:
    2016
    Wydawca:
    Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
    Tematy:
    friction stir welding (FSW)
    wear
    defect
    grinding machine
    field emission scanning electron microscope (FESEM)
    zgrzewanie tarciowe z przemieszaniem
    zużycie
    uszkodzenie
    szlifierka
    mikroskopy polowe
    Opis:
    This paper deals with the wear characteristics and defects developed during friction stir welding at different process parameter of aluminium alloy (AA) 6061-T6 having thickness 6 mm. Four welded samples are prepared with rotational speed 500 rpm, 710 rpm, 1000 rpm and with welding speed of 25 mm/min & 40 mm/min. Welded samples and base material are put in wear condition under grinding machine for 120 s. Material removal is measure by taking the difference of weight before and after wear. Different types of defects and fracture are observed on the wear surface. These defects and fractures are analysed under field emission scanning electron microscope (FESEM). It is concluded that material removal from welded sample is less compared to base metal, hence wear resistance increases after friction stir welding.
    Praca dotyczy charakterystyki zużycia i uszkodzeń podczas zgrzewania tarciowego z przemieszaniem stopu aluminium (AA) 6061T6 o grubości 6 mm dla zmiennych parametrów. Cztery zgrzewane próbki były wykonane z prędkością obrotową 500 obr/min, 710 obr/min, 1000 obr/min dla prędkości zgrzewania 25 mm/min i 40 mm/min. Zgrzewane próbki i materiał bazowy były poddawane zużywaniu za pomocą szlifierki w czasie 120 s. Ubytek materiału mierzono jako różnicę wagi przed i po zużywaniu. Różne rodzaje wad i pęknięć zaobserwowano na zużytej powierzchni. Wady i pęknięcia analizowano za pomocą mikroskopu polowego (FESEM). Stwierdzono, że ubytek materiału ze zgrzewanych próbek jest mniejszy w porównaniu z ubytkiem dotyczącym materiału bazowego. Zwiększa się więc odporność na zużycie po zgrzewaniu tarciowym z przemieszaniem.
    Źródło:
    Eksploatacja i Niezawodność; 2016, 18, 1; 128-135
    1507-2711
    Pojawia się w:
    Eksploatacja i Niezawodność
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    A novel test case prioritization method based on problems of numerical software code statement defect prediction
    Nowatorska metoda priorytetyzacji przypadków testowych oparta na prognozowaniu błędów instrukcji kodu oprogramowania numerycznego
    Autorzy:
    Shao, Yuanxun
    Liu, Bin
    Wang, Shihai
    Xiao, Peng
    Powiązania:
    https://bibliotekanauki.pl/articles/1841862.pdf
    Data publikacji:
    2020
    Wydawca:
    Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
    Tematy:
    software defect prediction
    test case prioritization
    code statement metrics
    machine learning
    software testing
    przewidywanie błędów oprogramowania
    priorytetyzacja przypadków testowych
    metryki instrukcji kodu
    uczenie maszynowe
    testowanie oprogramowania
    Opis:
    Test case prioritization (TCP) has been considerably utilized to arrange the implementation order of test cases, which contributes to improve the efficiency and resource allocation of software regression testing. Traditional coverage-based TCP techniques, such as statement-level, method/function-level and class-level, only leverages program code coverage to prioritize test cases without considering the probable distribution of defects. However, software defect data tends to be imbalanced following Pareto principle. Instinctively, the more vulnerable the code covered by the test case is, the higher the priority it is. Besides, statement-level coverage is a more fine-grained method than function-level coverage or class-level coverage, which can more accurately formulate test strategies. Therefore, we present a test case prioritization approach based on statement software defect prediction to tame the limitations of current coverage-based techniques in this paper. Statement metrics in the source code are extracted and data pre-processing is implemented to train the defect predictor. And then the defect detection rate of test cases is calculated by combining the prioritization strategy and prediction results. Finally, the prioritization performance is evaluated in terms of average percentage faults detected in four open source datasets. We comprehensively compare the performance of the proposed method under different prioritization strategies and predictors. The experimental results show it is a promising technique to improve the prevailing coverage-based TCP methods by incorporating statement-level defect-proneness. Moreover, it is also concluded that the performance of the additional strategy is better than that of max and total, and the choice of the defect predictor affects the efficiency of the strategy.
    Metodę priorytetyzacji przypadków testowych (TCP) wykorzystuje się powszechnie do ustalania kolejności implementacji przypadków testowych, co przyczynia się do poprawy wydajności i alokacji zasobów w trakcie testowania regresyjnego oprogramowania. Tradycyjne techniki TCP oparte na pokryciu na poziomie instrukcji, metody/funkcji oraz klasy, wykorzystują pokrycie kodu programu tylko w celu ustalenia priorytetów przypadków testowych, bez uwzględnienia prawdopodobnego rozkładu błędów. Jednak dane o błędach oprogramowania są zwykle niezrównoważone zgodnie z zasadą Pareto. Instynktownie, im bardziej wrażliwy jest kod pokryty przypadkiem testowym, tym wyższy jest jego priorytet. Poza tym, pokrycie na poziomie instrukcji jest bardziej szczegółową metodą niż pokrycie na poziomie funkcji lub pokrycie na poziomie klasy, które mogą dokładniej formułować strategie testowe. Dlatego w artykule przedstawiamy podejście do priorytetyzacji przypadków testowych oparte na prognozowaniu błędów instrukcji oprogramowania, które pozwala zmniejszyć ograniczenia obecnych technik opartych na pokryciu. Wyodrębniono metryki instrukcji w kodzie źródłowym i zaimplementowano wstępne przetwarzanie danych w celu nauczania predyktora błędów. Następnie obliczono wskaźnik wykrywania błędów w przypadkach testowych poprzez połączenie strategii priorytetyzacji i wyników prognozowania. Wreszcie, oceniono wydajność ustalania priorytetów pod względem średnich procentowych błędów wykrytych w czterech zestawach danych typu open source. Kompleksowo porównano wydajność proponowanej metody w ramach różnych strategii ustalania priorytetów i predyktorów. Wyniki eksperymentów pokazują, że jest to obiecująca technika poprawy dominujących metod TCP opartych na pokryciu poprzez włączenie podatności na błędy na poziomie instrukcji. Ponadto stwierdzono również, że strategia dodatkowa cechuje się lepszą wydajnością niż strategie max i total, a wybór predyktora błędów wpływa na skuteczność strategii.
    Źródło:
    Eksploatacja i Niezawodność; 2020, 22, 3; 419-431
    1507-2711
    Pojawia się w:
    Eksploatacja i Niezawodność
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-10 z 10

      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