Możliwości neuronowej klasyfikacji stanu w zmiennych warunkach pracy obiektu.

• Autorzy: Adamczyk J. , Cioch W. , Krzyworzeka P.

Warianty tytułu

EN

The use of LVQ neural classifier for diagnosis in VOC.

• Języki publikacji: PL

Abstrakty

PL

Celem było sprawdzenie możliwości wykorzystania metody LVQ - Learning Vector Quantization - algorytmu samoorganizacji adaptacyjnego kwantowania wektorowego Kohonena sieci neuronowych do syntezy symptomów pozwalających diagnozować stan wybranej klasy obiektów przy zmiennych warunkach pracy: prędkości obrotowej i obciążeniu. Dla uczenia sieci wykorzystano wybrane składowe widma synchronicznego prędkości drgań składające się z prążków odpowiadających wybranym częstościom harmonicznym prędkości obrotowej oraz zazębienia przekładni, a także punktowych estymat bezwymiarowych. Wybór typu sieci neuronowych umożliwił klasyfikowanie wektorów stanu w sposób nadzorowany. Dzięki wykorzystanej w metodzie LVQ warstwie rywalizującej można było w obecności zadanych załóceń dokonać adekwatnej klasyfikacji stanu urządzenia w zakresie zakładanych zmian warunków pracy. Maksymalna sprawność, jaką uzyskano dla sygnałów testujących wyniosła 95%. Większość błędnych rozpoznań związana była ze stanem niesprawnym. Stwierdzono zdolność badanej sieci do uogólniania - prawidłowego rozpoznania stanu przy odmiennych niż w trakcie treningu warunkach pracy urządzenia.

EN

In this paper the ability of Learning Vector Quantization NN training algorithm to identifying the disjoint states of rotating machinery in the case of variable operating conditions (VOC) has been examined. Measured signal was the vibration velocity of model gear. A set training data was based on the selected components of amplitude synchronous spectrum. In active identification experiment the setting states has been influenced by loading and rotation speed changes. Max. 95% classification efficiency of state recognition seemed to be possible and the NN ability to generalise the knowledge has been influenced by VOC, especially in the absence of failures.

Słowa kluczowe

PL

klasyfikacja neuronowa; zmienne warunki pracy; obiekt

EN

neural classifier; variable operating conditions; object

• Wydawca: Komitet Budowy Maszyn PAN
• Czasopismo: Zagadnienia Eksploatacji Maszyn
• Rocznik: 1999
• Tom: Vol. 34, nr 2
• Strony: 373--387

Twórcy

autor

Adamczyk J.

• Akademia Górniczo-Hutnicza, Katedra Mechaniki i Wibroakustyki, al. Mickiewicza 30, 30-059 Kraków

autor

Cioch W.

• Akademia Górniczo-Hutnicza, Katedra Mechaniki i Wibroakustyki, al. Mickiewicza 30, 30-059 Kraków

autor

Krzyworzeka P.

• Akademia Górniczo-Hutnicza, Katedra Mechaniki i Wibroakustyki, al. Mickiewicza 30, 30-059 Kraków

Bibliografia

• [1] Adamczyk J., Krzyworzeka P.: System diagnozowania eksploatacyjnego wykorzystujący amplitudowe widmo synchroniczne. ZEM 1997.
• [2] Barczewski R.: Poliharmoniczna filtracja rekurencyjna sygnałów drganiowych i jej zastosowanie w diagnostyce maszyn. Praca doktorska 1991.
• [3] Batko W., Gibiec M., Uhl T.: Ocena wyników rozpoznań diagnostycznych metodami klasycznymi i z zastosowaniem sieci neuronowych. Zeszyty Naukowe Akademii Górniczo-Hutniczej, Mechanika 3, 1996.
• [4] Cempel Cz.: Diagnostyka wibroakustyczna maszyn. Wydawnictwo Politechniki Poznańskiej, Poznań 1985.
• [5] Dybała J., Radkowski S.: Zastosowanie sieci neuronowych w rozpoznawaniu uszkodzeń. I Kongres Diagnostyki Technicznej, Gdańsk 1996.
• [6] Gienkin M.D., Sokołova A.G.: Wibroakusticzeskaja diagnostika maszyn i miechanizmow, Maszynostrojenije, Moskwa 1987.
• [7] Haykin S.: Adaptive filter theory. Prentice Hall, London 1996.
• [8] Kohonen T.: Self-organizing maps. Springer Verlag, Berlin. 1995.
• [9] Radkowski St.: Diagnozowanie powstawania uszkodzeń na podstawie niskoenergetycznych składowych sygnału wibroakustycznego. Machine Dynamics Problems, Vol. 12, Warszawa. 1995
• [10] Sammon J: A nonlinear mapping for data structure analysis. IEEE Trans. Computers, 1969, 18, 401-409.
• [11] Sobczak W., Malina W: Metody selekcji i redukcji informacji. WNT, Warszawa, 1985.
• [12] Osowski S.: Sieci neuronowe w ujęciu algorytmicznym. WNT, Warszawa, 1996.
• [13] Tadeusiewicz R.: Sieci neuronowe. Akademicka Oficyna Wydawnicza, Warszawa, 1993.
• [14] Żurada J., Barski M., Jędruch W.: Sztuczne sieci neuronowe. PWN, Warszawa, 1996.