Wielosymptomowa prognoza stanu i czasu do awarii z wykorzystaniem sieci neuronowych

• Autorzy: Tabaszewski M.

Warianty tytułu

EN

Multi-symptom forecasting of condition and residual time by means of neural networks

• Języki publikacji: PL

Abstrakty

PL

Praca zawiera próbę rozwiązania problemu prognozy wielosymptomowej dla złożonych obiektów technicznych. Zaproponowano kilka możliwości realizacji prognozy wielosymptomowej stanu i czasu do awarii kładąc szczególny nacisk na możliwość zastosowania sieci neuronowej. Przedstawiono przykład zastosowania sieci neuronowej w prognozie czasu resztkowego do awarii łożyska tocznego 608. Wskazano na silną zależność jakości otrzymywanych prognoz od przyjętej struktury sieci.

EN

The work concerns an idea of multi-symptom forecasting for complex technical objects. Some of possibilities of realization of multi-symptom forecasting of machine condition and time to breakdown were proposed, especially realization based on neural networks. Some example of prediction of residual time to breakdown of ball bearing 608 was presented. The strong relationship between quality of forecasts and assumed structure of artificial neural network was shown.

Słowa kluczowe

PL

prognozowanie; czas resztkowy; sieć neuronowa; diagnostyka wielosymptomowa; diagnostyka; łożysko toczne

EN

forecasting; residual time; neural network; multidimensional condition monitoring; rolling bearing

• Wydawca: Polskie Towarzystwo Diagnostyki Technicznej
• Czasopismo: Diagnostyka
• Rocznik: 2007
• Tom: nr 2(42)
• Strony: 43--48
• Opis fizyczny: Bibliogr. 22 poz.

Twórcy

autor

Tabaszewski M.

• Politechnika Poznańska, Instytut Mechaniki Stosowanej, ul. Piotrowo 3, 60-965 Poznań,

Bibliografia

• [1] Batko W.: Metody syntezy diagnoz predykcyjnych w diagnostyce technicznej. Rozprawa habilitacyjna, AGH, Kraków 1984.
• [2] Kaźmierczak J.: Zastosowanie liniowych modeli procesów losowych do prognozowania w diagnostyce maszyn. Rozprawa habilitacyjna, Politechnika Śląska, Gliwice 1989.
• [3] Tylicki H.: Optymalizacja procesu prognozowania stanu technicznego pojazdów mechanicznych. Rozprawa habilitacyjna, ATR, Bydgoszcz 1998.
• [4] Cempel C., Bossak J., Żółtowski B.: Proste modele prognozowania stanu maszyn. Zagadnienia Eksploatacji Maszyn, nr 3/1989, Kraków 1989.
• [5] Batko W., Gibiec M.: Analiza przydatności sieci neuronowych w procesie prognozowania stanu maszyn. III Krajowa Konferencja Naukowo-techniczna Diagnostyka Procesów Przemysłowych, Jurata 1998, s.325-330.
• [6] Tabaszewski M.: Prognozowanie resztkowej miary eksploatacji młyna wentylatorowego z wykorzystaniem sieci neuronowych. Diagnostyka, vol. 3/(39), Polskie Towarzystwo Diagnostyki Technicznej, Warszawa 2006, str. 149-154.
• [7] Wang Q., i inni: Prognosis of machine health condition using neuro-fuzzy systems. Mechanical Systems and Signal Processing, Vol. 18 (2004), 813-831.
• [8] Baranow S., Kurawski L.: Acoustic Vibrations –modeling, optimisation and diagnostics. Rozdz. 4. Russian Aviation Company, Moskwa 2006.
• [9] Korbicz J., i inni: Diagnostyka Procesów – Modele, Metody sztucznej inteligencji. Rozdz. 2, 9, 14 WNT Warszawa 2002.
• [10] Cempel C.: Podstawy wibroakustycznej diagnostyki maszyn. WNT, Warszawa 1982.
• [11] Cempel C.: Multi-Symptom Condition Monitoring of a Critical Mechanical Systems to design Condition Inference Agent. Intern. Journ. COMADEM, 2005, Vol. 8, No 2 pp. 5-10.
• [12] Cempel C.: Implementing Multidimensional Inference Capability in Vibration Condition Monitoring. Diagnostyka Vol. 34, 2005, pp. 7-14.
• [13] Cempel C.: Condition Evolution of Machinery and its Assessment from Passive Diagnostic Experiment. Mechanical Systems and Signal Processing No 5(4), 1991, str. 317-326.
• [14] Cempel C.: Passive Diagnostic Experiment, Symptom Reliability and Their Applications in Vibration Condition Monitoring. Zagadnienia eksploatacji maszyn, Zeszyt 2-3 (82-83), 1990.
• [15] Blanchard B.S., Fabrycky W.J.: Systems Engineering and Analysis. Prentice Hall, new Jersey, 1990.
• [16] Cempel C.: Multi Dimensional Condition Monitoring of Mechanical Systems in Operation. XIX Sympozjum Diagnostyka Maszyn, Węgierska Górka, 2002, s. 109-118.
• [17] Cempel C, Tabaszewski M. Krakowiak M.: Metody Ekstrakcji Wielowymiarowej Informacji Diagnostycznej, 2003, Węgierska Górka.
• [18] Kornacki J, Ćwik J.: Statystyczne systemy uczące się. WNT, Warszawa, 2005.
• [19] Therrien Ch.W.: Decision Estimation and Classification, Jon Wiley & Sons, New York, 1989.
• [20] Tadeusiewicz R.: Sieci neuronowe. AOW RM, Warszawa 1993.
• [21] Markowska-Kaczmar U., Kwaśnicka H.: Sieci neuronowe w zastosowaniach. Oficyna Wydawnicza Politechniki Wrocławskiej, Wrocław 2005.
• [22] Osowski S.: Sieci neuronowe do przetwarzania informacji, Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa 2000.