Soft computing tools for machine diagnosing

• Autorzy: Gibiec M.

Warianty tytułu

PL

Metody soft computing w narzędziach do diagnozowania maszyn

• Języki publikacji: EN

Abstrakty

EN

This work is aimed at creating soft computing tools for machine diagnosing systems. There are some problems with interpretating measured data in these systems. To ovecome the problems with a big number of information in a diagnosing system, a neural pre-processer was proposed. A neural network can be used for reducing the size of analysed features. The fault detection and isolation is difficult due to context and broaden relations between measured data and a machine state. Soft computing methods are helpful in solving such problems. Artificial neural networks and fuzzy logic systems were used in these studies. An approximation of the unknown diagnostic relations symptom-state was done by both created tools. The only information about these relations were hidden in measured data that illustrate an expert knowledge formulated in a natural language. Such a form of information is the basis of constructing neural networks and fuzzy systems adequatly. The case study was fault detection of a high power fan. The working correctness of soft computing tools, presented in this work, was examined in the context of results obtained by utilisation of pattern recognition methods. The comparison of their performance speed, noise robustness and early detection of failure was also made.

PL

W pracy omówiono wykorzystanie metod soft computing do budowy narzędzi stosowanych w systemach diagnostyki maszyn. W takich systemach istotnym zagadnieniem jest interpretacja mierzonych danych. Aby rozwiązać problemy związane z analizą dużej ilości informacji w systemie diagnostycznym, zaproponowano neuronowy procesor. Sieć neuronową wykorzystano do redukcji rozmiaru analizowanego wektora cech. Detekcja i izolacja uszkodzeń jest zadaniem trudnym z powodu rozmytych i kontekstowych relacji pomiędzy mierzonymi danymi i stanem maszyny. Metody soft computing są pomocnym narzędziem do rozwiązywania tego typu problemów. W niniejszej pracy wykorzystano techniki zbiorów rozmytych i sieci neuronowych. Zbudowane z ich wykorzystaniem narzędzia dokonują aproksymacji relacji diagnostycznych symptom-stan. Wiedza na temat tych relacji jest ukryta w zarejestrowanych danych, które ilustrują wiedzę ekspertów pozyskaną w języku naturalnym. Taka forma zgromadzonej wiedzy jest podstawą konstruowania sieci neuronowych i systemów rozmytych. Ich działanie zilustrowano na przykładzie detekcji uszkodzeń wentylatora dużej mocy. Dokładność działania prezentowanych w pracy narzędzi soft computing przetestowano w kontekście wyników otrzymywanych za pomocą metod rozpoznawania obrazów. W pracy przedstawiono także porównanie szybkości działania, odporności na zakłócenia i zdolności do wczesnego wykrywania uszkodzeń dla wszystkich wymienionych metod.

Słowa kluczowe

EN

soft computing; diagnosing systems

• Wydawca: Polskie Towarzystwo Mechaniki Teoretycznej i Stosowanej
• Czasopismo: Journal of Theoretical and Applied Mechanics
• Rocznik: 2004
• Tom: Vol. 42 nr 3
• Strony: 483--501
• Opis fizyczny: Bibliogr. 13 poz., rys., tab.

Twórcy

autor

Gibiec M.

• Department of Robotics and Machine Dynamics, University of Science and Technology, Kraków

Bibliografia

• 1. Batko W., Gibiec M., 2000, Neural networks for automatic machine condition assessment, Proc. 19th IASTED International Conference: Modelling, Identification and Control, Innsbruck, 578-584
• 2. Bezdek J.C., Pal S.K., 1992, Fuzzy Models for Pattern Recognition, IEEE, New York
• 3. Cempel C., 1992, Wibroakustyczna diagnostyka maszyn, WNT Warszawa
• 4. Duch W., Korbicz J., Rutkowski L., Tadeusiewicz R., 2000, Biocybernetyka i Inżynieria Biomedyczna 2000. Tom 6: Sieci neuronowe, Akademicka Oficyna Wydawnicza EXIT, Warszawa
• 5. Hirota K., Edit., 1993, Industrial Applications of Fuzzy Technology, Springer
• 6. Kacprzyk J., 2001, Wieloetapowe sterowanie rozmyte, WNT Warszawa
• 7. Łachwa A., 2001, Rozmyty świat zbiorów, relacji, faktów, reguł i decyzji, Akademicka Oficyna Wydawnicza EXIT, Warszawa
• 8. Piegat A., 1999, Modelowanie i sterowanie rozmyte, Akademicka Oficyna Wydawnicza EXIT, Warszawa
• 9. Sorsa T., Koivo H.N., Koivisto H., 1991, Neural networks in process fault diagnosis, IEEE Trans. Systems, Man and Cybernetics, SMC-21, 4
• 10. Tadeusiewicz R., 1991, Rozpoznawanie obrazów, PWN Warszawa
• 11. Watanabe S., 1988, A solution diagnosing system for detecting errors in solutions of circuit analyses, Publications of Japanese Society for Artificial Intelligence, 3, 3
• 12. Yager R.R., Filev D.P., 1995, Podstawy modelowania i sterowania rozmytego, WNT Warszawa
• 13. Yamaguchi T., 1992, Knowledge compiler II based on domain model and failure model, Publications of Japanese Society for Artificial Intelligence, 7, 4