PL EN


Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
Tytuł artykułu

The process of acquiring, collecting, processing and archiving data for the SHM system designed to identify defects in thin-walled structures

Treść / Zawartość
Identyfikatory
Warianty tytułu
PL
Proces pozyskiwania, gromadzenia, przetwarzania i archiwizacji danych dla systemu SHM przeznaczonego do rozpoznawania wad struktur cienkościennych
Języki publikacji
EN
Abstrakty
EN
The article shows the results of the preparatory steps taken to create the artificial intelligence used in the automatic recognition of defects in ship thin-walled structures. The above steps are used to create a university private cloud and a computer system maintaining a dataset of vibration signal samples. In the article, a prototype of the private cloud was designed and developed, a model of the vibration sample was prepared, and a microservice was designed aimed at sharing the obtained data. The article demonstrates the results of the completed development.
PL
W artykule przedstawiono wyniki przeprowadzonych działań przygotowawczych do stworzenia sztucznej inteligencji wykorzystywanej w automatycznym rozpoznawaniu defektów okrętowych konstrukcji cienkościennych. Przeprowadzone kroki służą stworzeniu uczelnianej chmury prywatnej oraz systemu informatycznego utrzymującego zbiór danych próbek sygnałów drganiowych. W ramach artykułu zaprojektowano oraz stworzono prototyp chmury prywatnej, przygotowano model próbki drganiowej oraz zaprojektowano mikroserwis służący udostępnianiu uzyskanych danych. Artykuł przedstawia wyniki wykonanej pracy.
Czasopismo
Rocznik
Strony
135--142
Opis fizyczny
Bibliogr. 14 poz., rys.
Twórcy
  • Gdynia Maritime University (Uniwersytet Morski w Gdyni)
  • Gdynia Maritime University (Uniwersytet Morski w Gdyni)
  • Gdynia Maritime University (Uniwersytet Morski w Gdyni)
autor
  • Gdynia Maritime University (Uniwersytet Morski w Gdyni)
  • Polish Naval Academy (Akademia Marynarki Wojennej w Gdyni)
Bibliografia
  • 1. Boras M., Balen J., Vdovjak K.: Performance Evaluation of Linux Operating Systems. 2020 International Conference on Smart Systems and Technologies 2020.
  • 2. Dreyfus G.: Neural Networks: Methodology and Applications. Springer 2005.
  • 3. Faraj A., Rashid B., Shareef T.: Comparative study of relational and non- relations database performances using Oracle and MongoDB systems. International Journal Of Computer Engineering & Technology Vol. 5. 2014.
  • 4. Gorinevsky D., Gordon G., Kumar A., Chang F.: Integrated SHM System for Commercial Aircraft Applications. 5th International Workshop On Structural Health Monitoring at Stanford 2005.
  • 5. Grossi E., Buscema M.: Introduction to artificial neural networks. European Journal of Gastroenterology & Hepatology. Vol 19. 2008.
  • 6. Gunjal B.: Database System: Concepts and Design. Proceedings of 24th IASLIC-SIG-2003. 2003.
  • 7. Győrödi C., Gyorodi R., Sotoc R.: A Comparative Study of Relational and Non-Relational Database Models in a Web- Based Application. International Journal of Advanced Computer Science and Applications. Vol 6. 2015.
  • 8. Kumar V.: Debian: A Linux based operating system for all purposes. Design and development of an information network for affiliating universities in Kerala 2019.
  • 9. Szeleziński A., Gesella G., Murawski L.: Przegląd metod diagnostyki i monitoringu połączeń spawanych w konstrukcjach transportu morskiego, Logistyka 3/2015.
  • 10. Uhl T.: Współczesne metody monitorowania i diagnozowania konstrukcji, Gliwice 2010.
  • 11. https://help.ubuntu.com/community/Repositories/Ubuntu
  • 12. https://wiki.archlinux.org/title/Arch_Linux
  • 13. https://www.debian.org/doc/
  • 14. https://www.mongodb.com/docs/manual/sharding/
Typ dokumentu
Bibliografia
Identyfikator YADDA
bwmeta1.element.baztech-4c6029d1-7613-467d-a4a1-a45beef577a3
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.