Zastosowanie drzew decyzyjnych do wspomagania rozpoznawania stanu technicznego wybranych elementów maszyn górniczych

• Autorzy: Zimroz R. , Brzychczy E.

Warianty tytułu

EN

The application of decision trees to a recognition assist of technical condition of the selected mining machines' components

• Języki publikacji: PL

Abstrakty

PL

W artykule przedstawiono przykład wykorzystania drzew decyzyjnych do analizy parametrów opisujących stan techniczny przekładni zębatych stosowanych w układach napędowych maszyn górniczych. Wykazano, że analiza danych w ujęciu wielowymiarowym zwiększa możliwość skutecznego rozpoznawania stanu maszyn w stosunku do wcześniej stosowanych metod w tym zakresie poprzez zwiększenie poprawności klasyfikacji danych.

EN

The article presents an example of use of decision trees to an analysis of parameters describing technical condition of toothed gears used in the power transmission systems of mining machines. There is proved that a data analysis from a multidimensional perspective increases an opportunity of effective recognition of state of machine in relation to previously used methods in this regard through the increase in cor rectness of data classification.

Słowa kluczowe

PL

diagnostyka; maszyny górnicze; komputerowe wspomaganie podejmowania decyzji; drzewo decyzyjne

EN

diagnostic; mining machines; computer aided decision making; decision tree

• Wydawca: Wyższy Urząd Górniczy
• Czasopismo: Bezpieczeństwo Pracy i Ochrona Środowiska w Górnictwie
• Rocznik: 2010
• Tom: nr 9
• Strony: 30--33
• Opis fizyczny: Bibliogr. 12 poz.

Twórcy

autor

Zimroz R.

autor

Brzychczy E.

• Politechnika Wrocławska, Instytut Górnictwa, Wrocław,

Bibliografia

• 1. Bartelmus W, Zimroz R.: A new feature for monitoring the condition of gearboxes in non-stationary operat-ing conditions. Mechanical systems and signal processing Volume 23, Issue 5, July 2009, Pages 1528-1534-1
• 2. Bartelmus W., Zimroz R., Batra H.: Gearbox vibration signal pre-processing and input values choice for neuralnetwork training. Methods ofartificial intelligence. AI-METH 2003. Symposium. Proceedings, Gliwice, November 5-7, 2003 / Eds T. Burczyński, W. Cholewa, W. Moczulski. Gliwice: Department for Strength of Materials and Computational Mechanics. Department of Fundamentals of Machinery Design. Silesian University of Technology, 2003. s. 21-24, - 4
• 3. Cempel Cz.: Multidimensional condition monitoring of mechanical systems in operation. Mechanical systems and signal processing Volume 17, Issue 6, November 2003, Pages 1291-1303
• 4. Cempel Cz.,Tabaszewski M. Multidimensional condition monitoring of machines in non-stationary operation. Mechanical systems and signal Volume 21, Issue 3, April 2007, Pages 1233-1241
• 5. Cichosz P.: Systemy uczące się. WNT, Warszawa 2005
• 6. Cioch W.: Sztuczne sieci neuronowe w diagnostyce zagrożeń eksploatacyjnych systemów technicznych. Wydział Inżynierii Mechanicznej i Robotyki, Akademia Górniczo Hutnicza w Krakowie, 2004 [rozprawa doktorska]
• 7. Czech P., Łazarz B., Wojnar G.: Wykrywanie lokalnych uszkodzeń zębów kół przekładni z wykorzystaniem sztucznych sieci neuronowych i algorytmów genetycznych. Wydaw. Instytutu Technologii Eksploatacji Państwowego Instytutu Badawczego, 2007, 199 s.
• 8. Diepen van M., Franses P.H.: Evaluating chi-squared interaction detection. Information Systems, 31 2006
• 9. Dybała 1: Wykrywanie wczesnych faz uszkodzeń metodami sztucznej inteligencji. Biblioteka Problemów Eksploatacji, Studia i Rozprawy, WN ITE, Radom 2008
• 10. Gibiec M., Doskowski G., Uhl T: Kohonen neural networks utilisation to aid diagnostic process AI-METH 2002: METHods of Artificial Intelligence Gliwice, Poland Gliwice 2002
• 11. Hand D. i inni: Eksploracja danych. WNT, Warszawa 2005
• 12. Larose T.D.: Odkrywanie wiedzy z danych. Wyd. Naukowe PWN, Warszawa 2006