Zastosowanie programu diagnostycznego DIAG 2 wnioskującego w logice wielowartościowej w diagnostyce obiektów technicznych

• Autorzy: Bernatowicz D. , Duer S. , Duer R.

Warianty tytułu

EN

Application of the diagnostic DIAG 2 applicant multi-valued logic in the diagnosis of technical objects

• Języki publikacji: PL

Abstrakty

PL

W poniższej pracy przedstawiono podejście diagnozowania stanów złożonych obiektów technicznych z wykorzystaniem logiki czterowartościowej. Scharakteryzowano stany obiektu technicznego, określono przedziały zmian stanów i zdefiniowano reguły wnioskowania przy rozpoznawaniu poszczególnych stanów. Zamieszczono również schemat klas w logice czterowartościowej oraz możliwe kierunki zmian stanów badanego obiektu technicznego. Dokonano porównania procesu diagnostycznego w logice dwu i trójwartościowej z logiką czterowartościową, w kontekście pozyskania informacji diagnostycznej oraz profilaktycznej obsługi technicznej określającej przeciętny czas bezawaryjnej pracy obiektu.

EN

The following paper presents an approach to diagnose complex states of technical objects using the four-state logic. Characterized states of the technical object, specified intervals and changes of states defined inference rules for identifying individual states. It also provides classes in logic diagram of tetravalent and possible directions of changes of states of the object technology. A comparison of the diagnostic process in two-and three-valued logic, the four-state logic, in the context of obtaining diagnostic information and preventive maintenance of determining the average lifetime of the objects.

Słowa kluczowe

PL

diagnostyka techniczna; metody wnioskowania; systemy diagnostyczne; ocena stanu w obiektach; rozpoznawanie stanu technicznego

EN

technical diagnostics; inference methods; diagnostic systems; assessment of premises; recognition of the state of a technical object

• Wydawca: Sieć Badawcza Łukasiewicz - Poznański Instytut Technologiczny
• Czasopismo: Logistyka
• Rocznik: 2015
• Tom: nr 3
• Strony: 329--336, CD 1
• Opis fizyczny: Bibliogr. 16 poz., rys.

Twórcy

autor

Bernatowicz D.

• Politechnika Koszalińska, Wydział Elektroniki i Informatyki; 75-453 Koszalin; ul. Śniadeckich 2

autor

Duer S.

• Politechnika Koszalińska, Wydział Mechaniczny; 75-453 Koszalin; ul. Śniadeckich 2. Tel: [phone]

autor

Duer R.

Bibliografia

• 1. Będkowski L., Elementy diagnostyki technicznej, WAT, Warszawa 1991
• 2. Duer S.: Artificial Neural Network-based technique for operation process control of a technical object. Defence Science Journal, Vol. 59, No. 3, May 2009, pp. 305-313. http://publications.drdo.gov.in/ojs/index.php/dsj
• 3. Duer S.: Diagnostic system for the diagnosis of a reparable technical object, with the use of an artificial neural network of RBF type. Neural Computing & Applications, 2010, Vol. 19, No. 5, pp. 691-700.
• 4. Duer S., Duer R.: Diagnostic system with an artificial neural network which determines a diagnostic information for the servicing of a reparable technical object. Neural Computing & Applications, 2010, Vol. 19, No. 5, pp. 755-766.
• 5. Duer S.: Artificial neural network in the control process of object’s states basis for organization of a servicing system of a technical objects. Neural Computing & Applications. 2012, Vol. 21, No. 1, pp. 153-160.
• 6. Duer S., Inteligentny system wspomagający proces odnawiania cech eksploatacyjnych w złożonych obiektach technicznych, Monografia nr 220, Wydawnictwo Politechniki Koszalińskiej, Koszalin, 2012
• 7. Duer S., Zajkowski K., Płocha I., Duer R.: Training of an artificial neural network in the diagnostic system of a technical object. Neural Computing & Applications. 2013, Vol. 22, No. 7, pp. 1581-1590.
• 8. Duer S., Zajkowski K.: Taking decisions in the expert intelligent system to support maintenance of a technical object on the basis information from an artificial neural network. Neural Computing & Applications. 2013, Vol. 23, No. 7, pp. 2185-2197.
• 9. Duer S., Zajkowski K.: Duer R., Paś J.: Designing of an effective structure of system for the maintenance of a technical object with the using information from an artificial neural network. Neural Computing & Applications. 2013, Vol. 23, No. 3-4, pp. 913-925.
• 10. Duer S.: Laboratorium mechatroniki samochodowej. Wydawnictwo Uczelniane Politechniki Koszalińskiej. Koszalin 2014. str. 196.
• 11. Duer S., Zajkowski K., Duer R., Bernatowicz D., Wrzesień P.: Inteligentny system nadzoru i bezpieczeństwa dla farmy wiatrowej. LOGISTYKA 6/2014, s.3312-3321.
• 12. Korbicz J., Diagnostyka procesów, WNT, Warszawa 2002
• 13. Lindstedt P., Praktyczna diagnostyka maszyn i jej teoretyczne podstawy, Wyd. ASKON, Warszawa 2002
• 14. Niziński S., Pelc H., Diagnostyka urządzeń mechanicznych, WNT, Warszawa 1980
• 15. PN-93/N-50191-191: Niezawodność i eksploatacja, Warszawa 1993
• 16. XML Query Working Group and XSL Working Group: XQuery 1.0 and XPath 2.0 Data Model, W3C Working Draft 29 Oct 2004, http://www.w3.org/TR/2004/WD-xpath-datamodel-20041029/.

Uwagi

PL

Opracowanie ze środków MNiSW w ramach umowy 812/P-DUN/2016 na działalność upowszechniającą naukę (zadania 2017).