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 "sieć neuronowa PNN" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-3 z 3
    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:
    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
    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
      Wyświetlanie 1-3 z 3

      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