PL EN


Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
Tytuł artykułu

Identyfikacja optymalnych cech diagnostycznych wielostopniowych przekładni zębatych

Wybrane pełne teksty z tego czasopisma
Identyfikatory
Warianty tytułu
EN
Identification of optimized diagnostic features of multi stage gearbox
Języki publikacji
PL
Abstrakty
PL
Równoczesne występowanie wielu uszkodzeń przekładni i możliwości ich identyfikacji na podstawie symptomów drganiowych nie są przedmiotem opracowań literaturowych. Autorzy w większości prac skupiają się na identyfikacji pojedynczych uszkodzeń na podstawie jednego symptomu. Referat przedstawia badania nad doborem optymalnych cech diagnostycznych w warunkach wzrastającej degradacji przekładni i związanej z tym wzrastającej liczbie uszkodzeń. Przedstawia również problem doboru punktu odbioru sygnału. W wyniku odbioru sygnału z wiciu punktów otrzymuje się wielowymiarową macierz, z której należy wybrać punkt, dla którego uzyskuje się najlepszą rozdzielczość symptomów przypisanych określonym uszkodzeniom. Zagadnienia te sprowadzają się do odpowiedzi na następujące pytania: jakie symptomy dają lepsze wyniki klasyfikacji różnych uszkodzeń, w jakim punkcie odbioru sygnału separacja klas stanu technicznego dobry/zły jest największa oraz czy możliwa jest redukcja macierzy symptomów?
EN
The occurrence of many gearbox faults simultaneously and possibilities of their identification on the basis of vibration symptoms is not a topic of research work in the literature. The authors are concentrated in maximum of their research work on identification of a single type of fault on the basis of a single symptom. This paper presents the research work on selection of diagnostic features during degradation. Simultaneously it presents the problem of choosing the signal receiving points. In the result of collected signal at many points we obtain a multidimensional matrix from which a point is to be selected for which we get the best distribution of symptoms for the particular faults. In these problems we try to the answer on the following questions: which symptoms give the better results for classification of different faults, for which signal receiving point good/bad technical state classes seperability is the highest, and is it possible to reduce symptoms matrix?
Twórcy
autor
  • Instytut Górnictwa Politechniki Wrocławskiej, pl. Teatralny 2, 50-051 Wrocław
autor
  • Instytut Górnictwa Politechniki Wrocławskiej, pl. Teatralny 2, 50-051 Wrocław
Bibliografia
  • 1. ADAMCZYK J., CIOCH W., KRZYWORZEKA P., Możliwości neuronowej klasyfikacji stanu w zmiennych warunkach pracy obiektu, Zagadnienia Eksploatacji Maszyn 2 (118), 1999
  • 2. BARTELMUS W., Diagnostyka przekładni zębatych, Górnictwo Odkrywkowe 1991, nr 2, s 1-44
  • 3. BARTELMUS W., VibrationCondition Monitoring of Gearboxes, Machine Vibration, Springer –Verlag London Limited, pp 178-189, 1992
  • 4. BARTELMUS W., Diagnostyka Maszyn Górniczych, Górnictwo Odkrywkowe, Wyd. Śląsk, 1998
  • 5. BARTELMUS W., Mathematical modeling of gearboxes vibration for fault diagnosis, International Journal of Comadem, 2000, 3(3), pp5-15
  • 6. BARTELMUS W., Mathematical Modelling and Computer Simulations as an Aid to Gearbox Diagnostics, Mechanical Systems and Signal Processing, 2001a, Vol.15, nr5, s. 855-871
  • 7. BARTELMUS W., ZIMROZ R., Vibration Condition Monitoring of two stage gearboxes, 4th Intern. Conf. Acoustical and Vibratory Surveillance Methods and Diagnostics Techniques, France 2001b, s.645
  • 8. BARTELMUS W., Computer aided multistage gearbox diagnostic inference by computer simulation, Scientific papers of the Institute of Mining of the Wroclaw University of Technology 2002a
  • 9. BARTELMUS W., ZIMROZ R., Condition Monitoring of Belt Conveyor Transmissions, Mine Planning And Equipment Selection 2002. Proc. of 12th Internat Symposium. Czech Rep, 2002b, s.393 – 402
  • 10. BARTELMUS W., ZIMROZ R., BATRA H., Gearbox vibration signal pre-processing and input values choice for neural network training AIMETH, 2003
  • 11. BARTELMUS W., ZIMROZ R., Application of self-organised networks for supporting condition evaluation of gearboxes AIMETH, 2004
  • 12. BARTKOWIAK A., CEBRAT S., MACKIEWICZ P., Probabilistic PCA and neutral networks in search of representative features fr some yeast genome data, AIMETH, 2004
  • 13. CIUPKE K., Attributes selection in machinery diagnostics, AI-Meth Methods of Artificial Intelligence in Mechanics and Mechanical Engineering Gliwice 2001, Poland
  • 14. GIBIEC M., UHL T., Zastosowanie technik Datamining w diagnostyce, Mech i Autom. Górnictwa, 2004, nr 9
  • 15. HAN J., KAMBER M., Data Mining: Concepts and Techniques Morgan Kaufman Publishers, 2000
  • 16. KORBICZ J., KOSCIELNY J., KOWALCZUK Z., CHOLEWA W., Diagnostyka procesów. Modele Metody sztucznej inteligencji Zastosowania, WNT, Warszawa 2002
  • 17. KURZYNSKI M., 1997, Rozpoznawanie obiektów - metody statystyczne, Oficyna Wydawnicza Pol. Wrocławskiej, Wrocław, 1997
  • 18. LIAO S., LIU T., SHI, G ZHANG Gearbox condition monitoring using self organizing feature maps. Proc Instit. Mech. Engrs vol 218p 119-128, 2000
  • 19. MALINA W., SOBCZAK W., Metody selekcji i redukcji informacji, WNT, Warszawa, 1985
  • 20. VECER, P., SMÍD R., KREIDL M., Application of the Self-Organizing Map to Manual Automotive Transmission Diagnostics. In ISSPIT 2003 [CD-ROM]. Darmstadt: IEEE, 2003
  • 21. ZIMROZ R., Metoda diagnostyki wielostopniowych przekładni zębatych w układach napędowych przenośników taśmowych z zastosowaniem modelowania Rozprawa Doktorska, Politechnika Wrocławska, 2002
Typ dokumentu
Bibliografia
Identyfikator YADDA
bwmeta1.element.baztech-article-BPW4-0007-0046
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.