Pozyskiwanie wiedzy z bazy danych dla potrzeb diagnozowania okrętowego silnika tłokowego

• Autorzy: Pawletko R.

Warianty tytułu

EN

Knowledge acquisition from database for marine diesel engine diagnostic

• Języki publikacji: PL

Abstrakty

PL

W artykule przedstawiono próbę wykorzystania indukcyjnych metod uczenia maszynowego, do pozyskania wiedzy dla potrzeb ekspertowego systemu diagnozowania okrętowego silnika tłokowego. Metody uczenia maszynowego zastosowano do uzyskania reguł diagnostycznych. Przykłady uczące do indukcji reguł stanowiły wyniki eksperymentu czynnego, przeprowadzonego na silniku laboratoryjnym. Oceny sprawności uzyskanych klasyfikatorów regułowych dokonano techniką k-fold cross validation. Wykorzystane techniki mogą zostać zastosowane między innymi do automatycznego pozyskiwania wiedzy dla potrzeb systemu ekspertowego.

EN

In this paper automatic rule induction algorithms are used to knowledge acquisition from data base for marine diesel engine diagnostic expert system. Training and test data were acquired from experiment on marine engine Sulzer 3AL 25/30. 10-fold cross validation method was used to estimation classification efficiency for different rule induction algorithms.

Słowa kluczowe

PL

diagnostyka techniczna; silnik spalinowy; klasyfikator regułowy

EN

technical diagnostics; combustion engine; expert knowledge acquisition

• Wydawca: Polskie Towarzystwo Diagnostyki Technicznej
• Czasopismo: Diagnostyka
• Rocznik: 2008
• Tom: nr 2(46)
• Strony: 165--168
• Opis fizyczny: Bibliogr. 11 poz., tab.

Twórcy

autor

Pawletko R.

• Katedra Siłowni Okrętowych, Akademia Morska w Gdyni, ul. Morska 81-87, 81-225 Gdynia

Bibliografia

• [1] Cholewa W.: Metoda diagnozowania maszyn z zastosowaniem zbiorów rozmytych, ZN Pol. Śląskiej nr 764, Seria: Mechanika z. 79, Gliwice 1983.
• [2] Stefanowski J.: Algorytmy indukcji reguł decyzyjnych w odkrywaniu wiedzy, Wydawnictwo Politechniki Poznańskiej, Rozprawy nr 361, Poznań 2001.
• [3] Michalski R. S.: A theory and methodology of inductive learning, Artificial Inteligence 20 (1983), pp. 111-161.
• [4] Moczulski W.: Metody pozyskiwania wiedzy dla potrzeb diagnostyki maszyn, ZN Pol. Śląskiej nr 1382, Seria: Mechanika z. 130, Gliwice 1997.
• [5] Mulawka J.: Systemy ekspertowe, WNT, Warszawa 1996.
• [6] Żółtowski B., Cempel Cz.: Inżyniera Diagnostyki Maszyn, Polskie Towarzystwo Diagnostyki Technicznej, Instytut Technologii Eksploatacji PIB Radom, Warszawa, Bydgoszcz, Radom 2004.
• [7] Quilian J. R.: Induction of decision trees. Machine Learning, 1 (1986).
• [8] Michalski R. S.: A theory and methodology of inductive learning, Artificial Inteligence 20 (1983).
• [9] Cichosz P.: Systemy uczące się. WNT, Warszawa 2007.
• [10] B. Predki, R. Slowinski, J. Stefanowski, R. Susmaga, Sz. Wilk: ROSE – Software Implementation of the Rough Set Theory. In: L. Polkowski, A. Skowron, eds. Rough Sets and Current Trends in Computing, Lecture Notes in Artificial Intelligence, vol. 1424. Springer-Verlag, Berlin (1998), 605-608.
• [11] B. Predki, Sz. Wilk: Rough Set Based Data Exploration Using ROSE System. In: Z. W. Ras, A. Skowron, eds. Foundations of Intelligent Systems, Lecture Notes in Artificial Intelligence, vol. 1609. Springer-Verlag, Berlin (1999), 172-180.