Knowledge acquisition for marine diesel engine diagnosis

• Autorzy: Pawletko R.

Warianty tytułu

PL

Pozyskiwanie wiedzy dla potrzeb diagnozowania okrętowego silnika spalinowego

• Języki publikacji: PL

Abstrakty

PL

W artykule przedstawiono koncepcję systemu diagnostycznego okrętowego silnika tłokowego opartą na modelu systemu ekspertowego. Zrealizowano pozyskiwanie wiedzy diagnostycznej, opracowano bazę wiedzy oraz zaproponowano ogólną strukturę systemu. Wiedza dla ekspertowego systemu diagnozowania silnika okrętowego została pozyskana od ekspertów (specjalistów w dziedzinie eksploatacji) oraz z diagnostycznych baz danych. Do pozyskiwania wiedzy od ekspertów zastosowano wywiad kwestionariuszowy. Grupę ekspertów stanowili doświadczeni oficerowie mechanicy floty handlowej. Podjęto próbę pozyskania podstawowej wiedzy z dziedziny eksploatacji silników obejmującą relacje diagnostyczne, umożliwiające ocenę stanu technicznego. Pozyskiwanie wiedzy z baz danych przeprowadzono z wykorzystaniem indukcyjnych metod uczenia maszynowego. Dane uczące dla algorytmów indukcji zostały zgromadzone w wyniku realizacji eksperymentu czynnego na silniku Sulzer 3Al 25/30. Porównano wyniki klasyfikacji stanów silnika uzyskane za pomocą algorytmów LEM2 oraz MODLEM. Oceny jakości działania poszczególnych klasyfikatorów dokonano techniką 10-fold cross validation. Badane algorytmy automatycznej indukcji, mogą być wykorzystywane do pozyskiwania wiedzy z baz danych, dla potrzeb diagnostycznego systemu ekspertowego.

EN

In the paper conception of marine diesel engine diagnostic system based on expert system model was presented. The first stage of research relevant to knowledge acquisition for this system was done, knowledge data set was built and general structures of the expert system was proposed. Basic sources of knowledge, which can be used for construction of knowledge data set, are also identified. The basic knowledge related to the diesel diagnostic was undertaken from experts and diagnostic data base. The paper questionnaire was used to the knowledge acquisition from experts. The basic knowledge related to the marine diesel exploitation was undertaken. Those expert knowledge covers the weakness point of engine, the kind of faults and diagnostic relation between faults and their symptoms. The group of experts was contained the experienced merchant navy officers. The rule induction algorithms were used to knowledge acquisition from database. During the experiment efficiency of LEM induction algorithms was compared to new MODLEM algorithms. 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. Tested automatic induction algorithms can be used for knowledge acquisition from diagnostic data base for marine diesel engine diagnostic system.

Słowa kluczowe

PL

systemy ekspertowe; silniki spalinowe; pozyskiwanie wiedzy ekspertowej; diagnostyka techniczna

EN

combustion engines; expert knowledge acquisition; technical diagnostic; expert systems

• Wydawca: Łukasiewicz Research Network - Institute of Aviation ; European Science Society of Powertrain and Transport KONES Poland ; Wydawnictwo Instytutu Technicznego Wojsk Lotniczych
• Czasopismo: Journal of KONES
• Rocznik: 2008
• Tom: Vol. 15, No. 4
• Strony: 471--477
• Opis fizyczny: Bibliogr. 12 poz., rys.

Twórcy

autor

Pawletko R.

• Gdynia Maritime University, Faculty of Marine Engineering Morska Street 83, 81-225 Gdynia, Poland tel.: [phone],

Bibliografia

• [1] Cholewa, W., Diagnostyczny system doradczy DT3D100. Organizacja procesu wnioskowania, Raport częściowy nr DT6D131 z realizacji projektu PBZ-038-06, KPKM Pol. Śląskiej, Gliwice.
• [2] Cholewa, W., Metoda diagnozowania maszyn z zastosowaniem zbiorów rozmytych, ZN Pol. Śląskiej nr 764, Seria, Mechanika z. 79, Gliwice 1983.
• [3] Cichosz, P., Systemy uczące się. WNT, Warszawa 2007.
• [4] Grzywaczewski, Z., Niezawodność statków, Wydawnictwa Przemysu maszynowego WEMA, Warszawa 1988.
• [5] Sobocki, M., Wprowadzenie do metodologii badań pedagogicznych, Oficyna Wydawnicza IMPULS, Kraków 2001.
• [6] Michalski, R. S., A theory and methodology of inductive learning, Artificial Intelligence 20, pp. 111-161, 1983.
• [7] Moczulski, W., Metody pozyskiwania wiedzy dla potrzeb diagnostyki maszyn, ZN Pol. Śląskiej nr 1382, Seria: Mechanika z. 130, Gliwice 1997.
• [8] Mulawka, J., Systemy ekspertowe, WNT, Warszawa 1996.
• [9] Predki, B., Slowinski, R., Stefanowski, J., Susmaga, R., Wilk, Sz., 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.
• [10] Predki, B., Wilk, Sz., 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.
• [11] Stefanowski, J., Algorytmy indukcji reguł decyzyjnych w odkrywaniu wiedzy, Wydawnictwo Politechniki Poznańskiej, Rozprawy nr 361, Pozna 2001.
• [12] Żółtowski, B., Cempel, Cz., Inżyniera Diagnostyki Maszyn, Polskie Towarzystwo Diagnostyki Technicznej, Instytut Technologii Eksploatacji PIB Radom, Warszawa, Bydgoszcz, Radom 2004.