Informacja

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

Wyszukujesz frazę "pozyskiwanie wiedzy ekspertowej" wg kryterium: Temat


Wyświetlanie 1-4 z 4
Tytuł:
Pozyskiwanie wiedzy dla potrzeb ekspertowego systemu diagnozowania okrętowego silnika spalinowego
Knowledge acquisition for marine diesel engine diagnostic expert system
Autorzy:
Pawletko, R.
Powiązania:
https://bibliotekanauki.pl/articles/329150.pdf
Data publikacji:
2007
Wydawca:
Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
Tematy:
diagnostyka techniczna
silnik spalinowy
pozyskiwanie wiedzy ekspertowej
technical diagnostic
combustion engine
expert knowledge acquisition
Opis:
W artykule przedstawiono pierwszy etap badań, związanych z pozyskiwaniem wiedzy dla ekspertowego systemu diagnozowania okrętowego silnika tłokowego. Podjęto próbę wykorzystania wiedzy od specjalistów oraz z baz danych. Pozyskiwanie wiedzy od specjalistów zrealizowano z wykorzystaniem wywiadu kwestionariuszowego. Grupę ekspertów stanowili doświadczeni oficerowie mechanicy floty handlowej. Do pozyskania wiedzy z bazy danych wykorzystano metody indukcji reguł decyzyjnych. Dane uczące do indukcji reguł stanowiły wyniki eksperymentu przeprowadzonego na silniku Sulzer Al25/30. Zbadano skuteczność klasycznego algorytmu indukcji LEM2 oraz algorytmu MODLEM, który umożliwia bezpośrednie wykorzystanie danych pomiarowych nie poddanych dyskretyzacji wstępnej.
In the paper the first stage of research relevant to knowledge acquisition for marine diesel engine diagnostic expert system is presented. The basic knowledge related to the diesel diagnostic was undertaken from experts and diagnostic data base. The paper questionnaire was used to the knowledge acquisition from experts. The group of experts was contained the experienced merchant navy officers. The rule induction algorithms was used to knowledge acquisition from data base. Training and test data were acquired from experiment on marine engine Sulzer 3AL 25/30. 10-fold cross validation method was used to estimation classification efficiency for different rule induction algorithms.
Źródło:
Diagnostyka; 2007, 3(43); 49-54
1641-6414
2449-5220
Pojawia się w:
Diagnostyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
The use of the expert system in diagnostic of marine diesel engines
Wykorzystanie systemu ekspertowego do diagnozowania okrętowego silnika spalinowego
Autorzy:
Pawletko, R.
Powiązania:
https://bibliotekanauki.pl/articles/243052.pdf
Data publikacji:
2007
Wydawca:
Instytut Techniczny Wojsk Lotniczych
Tematy:
diagnostyka techniczna
systemy ekspertowe
silniki spalinowe
pozyskiwanie wiedzy ekspertowej
technical diagnostic
expert systems
combustion engines
expert knowledge acquisition
Opis:
W artykule przedstawiono wyniki pierwszego etapu badań związanych z tworzeniem systemu ekspertowego do diagnozowania okrętowego silnika tłokowego. Scharakteryzowano dekompozycję silnika okrętowego na układy funkcjonalne oraz zidentyfikowano podstawowe źródła wiedzy ekspertowej, które mogą być wykorzystane podczas tworzenia bazy wiedzy. Podjęto próbę pozyskania podstawowej wiedzy z dziedziny eksploatacji silników, dotyczącą najsłabszych ogniw silnika, rodzaju występujących uszkodzeń silników oraz podstawowych relacji diagnostycznych, umożliwiających ocenę stanu technicznego. Grupę ekspertów stanowili doświadczeni oficerowie mechanicy floty handlowej. Do pozyskiwania wiedzy od ekspertów zastosowano wywiad kwestionariuszowy. W szczególności metodologia pozyskiwania oraz sposób reprezentacji wiedzy przybliżonej, wyniki badań częstości występowania uszkodzeń wyodrębnione przez ekspertów symptomy uszkodzeń, diagnozowanie uszkodzeń układu paliwowego są prezentowane w artykule. Parametry wyodrębnione przez ekspertów nie umożliwiają jednak lokalizacji uszkodzeń. Szczególne interesujące wydają się tutaj metody umożliwiające automatyczne pozyskiwanie wiedzy z baz danych. Uzyskane wyniki będą weryfikowane na stanowisku laboratoryjnym.
In the paper the first stage of research relevant to the marine diesel engine diagnostic expert system is presented. The decomposition of diesel engine to diagnostic subsystems is described. Basic sources of knowledge which can be used for construction of knowledge data set are also identified. The basic knowledge related to the marine diesel exploitation was undertaken. That expert knowledge covers the weakness point of engine, the kind of faults and diagnostic relation between faults and their symptoms. The group of experts was contained the experienced merchant navy officers. The paper questionnaire was used to the knowledge acquisition. Particularly the methodology of obtaining the representation way of the approximate knowledge, test results of the frequency of the damage occurring distinguished by experts' symptoms of damages, diagnosing of damages of fuel systems are presented in paper. However distinguished parameters by experts do not make possible location of damages. Special interesting seem here methods making possible automatic knowledge acquisition from databases. The acquired knowledge will be verified on the laboratory engine in the future.
Źródło:
Journal of KONES; 2007, 14, 2; 363-372
1231-4005
2354-0133
Pojawia się w:
Journal of KONES
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Knowledge acquisition from database for marine diesel engine diagnosis
Pozyskiwanie wiedzy z baz danych dla potrzeb diagnozowania okrętowego silnika spalinowego
Autorzy:
Charchalis, A.
Pawletko, R.
Powiązania:
https://bibliotekanauki.pl/articles/245763.pdf
Data publikacji:
2009
Wydawca:
Instytut Techniczny Wojsk Lotniczych
Tematy:
diagnostyka techniczna
systemy ekspertowe
silniki spalinowe
pozyskiwanie wiedzy ekspertowej
technical diagnostic
expert systems
combustion engines
expert knowledge acquisition
Opis:
This article presents an attempt to use inductive machine learning methods to knowledge acquisition from the databases for the purpose of marine diesel engine diagnostic 's expert system. The existing methods of acquiring knowledge based on Information about the exploitation of technical objects stored in databases was characterizes. The selected machine learning methods was used to obtain the relationship in the form of diagnostic rules. The results obtained with algorithms LEM2, MODLEM and EXPLORE was compared. MODLEM algorithm allows the use of numerical data directly without having to pre-discretization. Learning examples stored in the diagnostic database was obtained as a result of the active experiment, carried out on laboratory Sulzer engine 3AL 25/30. During the experiment the damages of the turbocharging system, fuel injection system and combustion chamber was simulated. Only the elementary states (single damage in the same time) in a variable load were included. 10-fold cross validation techniąue was used for evaluation of the obtained rules classifiers. The obtained diagnostic rules have also been assessed in substantive terms, including an analysis of the relationship between disability states and received symptoms. Used machine learning techniques can be used for automatic knowledge acquisition for the diagnostic expert system.
W artykule przedstawiono próbę wykorzystania indukcyjnych metod uczenia maszynowego, do pozyskania wiedzy z baz danych dla potrzeb ekspertowego systemu diagnozowania okrętowego silnika tłokowego. Scharakteryzowano istniejące metody pozyskiwania wiedzy na podstawie informacji o przebiegu eksploatacji obiektów technicznych zapisanych w bazach danych. Zastosowano wybrane metody uczenia maszynowego do uzyskania relacji diagnostycznych w postaci reguł. Porównano wyniki uzyskane za pomocą algorytmów LEM2, MODLEM oraz EXPLORE. Algorytm MODLEM umożliwia wykorzystanie bezpośrednio danych numerycznych bez konieczności stosowania dyskretyzacji wstępnej. Przykłady uczące zapisane w diagnostycznej bazie danych uzyskano w wyniku realizacji eksperymentu czynnego, przeprowadzonego na silniku laboratoryjnym Sulzer 3AI 25/30. Podczas eksperymentu symulowano wybrane uszkodzenia układu wymiany czynnika roboczego, układu wtryskowego oraz komory spalania. Uwzględniono tylko stany elementarne (pojedyncze uszkodzenia w tym samym czasie) w warunkach zmiennego obciążenia. Oceny sprawności uzyskanych klasyfikatorów regułowych dokonano techniką 10-fold cross validation. Uzyskany zbiór reguł diagnostycznych został również poddany ocenie merytorycznej, obejmującą analizę związków pomiędzy diagnozowanymi stanami niezdatności a uzyskanymi symptomami. Wykorzystane techniki uczenia maszynowego mogą zostać zastosowane między innymi do automatycznego pozyskiwania wiedzy dla potrzeb systemu ekspertowego.
Źródło:
Journal of KONES; 2009, 16, 4; 37-42
1231-4005
2354-0133
Pojawia się w:
Journal of KONES
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Knowledge acquisition for marine diesel engine diagnosis
Pozyskiwanie wiedzy dla potrzeb diagnozowania okrętowego silnika spalinowego
Autorzy:
Pawletko, R.
Powiązania:
https://bibliotekanauki.pl/articles/244833.pdf
Data publikacji:
2008
Wydawca:
Instytut Techniczny Wojsk Lotniczych
Tematy:
systemy ekspertowe
silniki spalinowe
pozyskiwanie wiedzy ekspertowej
diagnostyka techniczna
combustion engines
expert knowledge acquisition
technical diagnostic
expert systems
Opis:
W artykule przedstawiono koncepcję systemu diagnostycznego okrętowego silnika tłokowego opartą na modelu systemu ekspertowego. Zrealizowano pozyskiwanie wiedzy diagnostycznej, opracowano bazę wiedzy oraz zaproponowano ogólną strukturę systemu. Wiedza dla ekspertowego systemu diagnozowania silnika okrętowego została pozyskana od ekspertów (specjalistów w dziedzinie eksploatacji) oraz z diagnostycznych baz danych. Do pozyskiwania wiedzy od ekspertów zastosowano wywiad kwestionariuszowy. Grupę ekspertów stanowili doświadczeni oficerowie mechanicy floty handlowej. Podjęto próbę pozyskania podstawowej wiedzy z dziedziny eksploatacji silników obejmującą relacje diagnostyczne, umożliwiające ocenę stanu technicznego. Pozyskiwanie wiedzy z baz danych przeprowadzono z wykorzystaniem indukcyjnych metod uczenia maszynowego. Dane uczące dla algorytmów indukcji zostały zgromadzone w wyniku realizacji eksperymentu czynnego na silniku Sulzer 3Al 25/30. Porównano wyniki klasyfikacji stanów silnika uzyskane za pomocą algorytmów LEM2 oraz MODLEM. Oceny jakości działania poszczególnych klasyfikatorów dokonano techniką 10-fold cross validation. Badane algorytmy automatycznej indukcji, mogą być wykorzystywane do pozyskiwania wiedzy z baz danych, dla potrzeb diagnostycznego systemu ekspertowego.
In the paper conception of marine diesel engine diagnostic system based on expert system model was presented. The first stage of research relevant to knowledge acquisition for this system was done, knowledge data set was built and general structures of the expert system was proposed. Basic sources of knowledge, which can be used for construction of knowledge data set, are also identified. The basic knowledge related to the diesel diagnostic was undertaken from experts and diagnostic data base. The paper questionnaire was used to the knowledge acquisition from experts. The basic knowledge related to the marine diesel exploitation was undertaken. Those expert knowledge covers the weakness point of engine, the kind of faults and diagnostic relation between faults and their symptoms. The group of experts was contained the experienced merchant navy officers. The rule induction algorithms were used to knowledge acquisition from database. During the experiment efficiency of LEM induction algorithms was compared to new MODLEM algorithms. Training and test data were acquired from experiment on marine engine Sulzer 3AL 25/30. 10-fold cross validation method was used to estimation classification efficiency for different rule induction algorithms. Tested automatic induction algorithms can be used for knowledge acquisition from diagnostic data base for marine diesel engine diagnostic system.
Źródło:
Journal of KONES; 2008, 15, 4; 471-477
1231-4005
2354-0133
Pojawia się w:
Journal of KONES
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-4 z 4

    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