Identyfikatory
Warianty tytułu
Some identyfication methods of diagnostic parameters of a deep pump model
Języki publikacji
Abstrakty
Pompownie głębinowe stanowią alternatywne rozwiązanie problemu odwadniania likwidowanych kopalń w stosunku do pompowni stacjonarnych. W Centrum EMAG opracowano koncepcję oraz wykonano kompletne systemy sterowania i monitorowania na czterech pompowniach głębinowych. Ze względu na dużą odpowiedzialność w utrzymywaniu lustra wody na określonym poziomie, który gwarantuje bezpieczną eksploatację sąsiednich kopalń, uznano zbudowane systemy SMB-... w zakresie pomiaru poziomu lustra wody jako systemy monitorowania parametrów bezpieczeństwa. Z tego względu istotną rolę odgrywa poprawna eksploatacja agregatów głębinowych, których niezawodna praca jest niezbędna do utrzymania poziomu wody w bezpiecznych granicach. W niniejszym artykule przedstawione zostaną problemy,wynikające z eksploatacji pomp głębinowych oraz sposoby wyznaczania diagnostycznych parametrów modelu pompy głębinowej.
Deep pumping stations make an option to solve the problem of dewatering the mines under liquidation, in relation to stationary pumping plants. EMAG Centre has developed a conception and introduced the complete control and monitoring systems into 4 deep pumping stations. Considering high responsibility for keeping water at a definite level which ensures safe operation of the neigh-bouring mines, the SMB-.. systems have been acknowledged as the safety parameters monitoring ones within the range of measuring water-level. For that reason the correct running of deep pumping engines plays an important part. Their reliable operation is neces-sary to retain water-level within safe limits. This article presents the problems coming out from deep pumps running and the methods for determining the diagnostic parameters of a deep pump model.
Słowa kluczowe
Czasopismo
Rocznik
Tom
Strony
141--145
Opis fizyczny
Bibliogr. 9 poz.,rys., tab.,
Bibliografia
- 1. Bezdek J.C.: Some new indexes for cluster validity. IEEE Trans. SMC, V. 28, No3, 1998.
- 2. Jain A., Dubes R.C.: Algorithms for clustering data. Prentice-Hall, NJ 1988.
- 3. Klamka J.: Theory of linear systems. Silesian University of Technology, Gliwice, 1999.
- 4. Michalski R.S., Kaufman K.: Data Mining and Knowledge Discovery: A Review of Issues and a Multistrategy Approach. Kubat M., Bratko I. Michalski R. S (ed.): Machine Learning and Data Mining: Methods and Applications. John Wiley and Sons, 1998.
- 5. Michie D., Spiegelhalter D.J., Taylor C.C.: Machine Learning, pleural and statistical classification. England: Ellis Horwood Limited, 1994.
- 6. Quinlan J.R.: C4.5: Programs for Machine Learning. San Mateo: Morgan Kaufman, 1993.
- 7. Salzberg S.L.: On Comparing Classifiers: Pitfalls to Avoid and a Recommended Approach. Data Mining and knowledge Discovery 1, pp. 317-328, 1997.
- 8. Sikora M., Proksa P.: Algorithms for generation and filtration of approximate decision rules, using rule-related quality measures. Bulletin of International Rough Set Society Vo. 5, No. 1/2 .Proc of RSTGC, 2001.
- 9. Widera D.: Operating changes in the parameters of deep pump model. Mechanization and Automation of Mining, 12/395, EMAG, Katowice, 2003.
Typ dokumentu
Bibliografia
Identyfikator YADDA
bwmeta1.element.baztech-article-BGPK-1139-4945