Nowoczesne układy typu smart sterowania i diagnostyki maszyn wyciągowych

• Autorzy: Szymański Z.
• Języki publikacji: PL

Abstrakty

PL

Artykuł przybliża tematykę zastosowania nowoczesnych układów typu smart sterowania i diagnostyki maszyn wyciągowych. Zastosowanie sterowania typu smart pozwala uwzględnić w procesie sterowania maszyny wyciągowej sytuacje niejednoznaczne, w których trudno podjąć właściwą decyzję. Sterowanie smart wymaga jednak wprowadzenia do układów sterowania układów mikroprocesorowych i specjalnego oprogramowania. Autor przedstawia również ekonomiczne aspekty wprowadzenia metod sztucznej inteligencji.

Słowa kluczowe

PL

układ sterowania; sterowanie predykcyjne; diagnostyka; maszyna wyciągowa

EN

control system; predictive control; diagnostics; hoist

• Wydawca: ELAMED Media Group
• Czasopismo: Inżynieria Górnicza
• Rocznik: 2015
• Tom: nr 4
• Strony: 31--36
• Opis fizyczny: Bibliogr. 13 poz.

Twórcy

autor

Szymański Z.

• Politechnika Śląska

Bibliografia

• 1. Dubois D., Guastavino C.: Cognitive evaluation of sound quality: Bridging the gap bacoustic measurements and meanings . Proceedings of 19th International Congress on Acoustics – ICA07, Madrid 2007.
• 2. Driankov D., Helledoom H., Reinfrank M.: Wprowadzenie do sterowania rozmytego WNT . Warszawa 1996.
• 3. Głowacz Z., Zdrojewski A.: Analiza spektralna sygnałów silnika komutatorowego prądu stałego zasilanego ze źródła napięcia stałego . „Przegląd Elektrotechniczny”, nr 11, s. 76-79, 2006.
• 4. Golden R.M.: Mathematical Methods for Neural Network analysis and Design . MIT Press, 1996.
• 5. Kowalski C.T.: Zastosowanie sztucznej inteligencji w diagnostyce silników indukcyjnych . „Przegląd Elektrotechniczny”, nr 11, s. 53-58, 2006.
• 6. Pasko M., Walczak J.: Teoria sygnałów . Wydawnictwo Politechniki Śląskiej, 2007.
• 7. Szklarski L., Zarudzki J.: Maszyny wyciągowe . PWN, Warszawa 2000.
• 8. Oleksy A., Szymański Z.: Nowoczesne metody sterowania i diagnostyki maszyn wyciągowych z wykorzystaniem metod sztucznej inteligencji . Materiały Konferencyjne „Transport Szybowy 2009”, Szczyrk 2009.
• 9. Szymański Z.: Inteligentne, energooszczędne układy zasilania i sterowania górniczych maszyn wyciągowych z napędem zintegrowanym lub hybrydowym. „Archiwum Górnictwa”, nr 65, Kraków 2015.
• 10. Tadeusiewicz R.: Sieci neuronowe. Akademicka Oficyna Wydawnicza, Warszawa 1993.
• 11. Żurada J.M.: Introduction to Artificial Neural Systems, PWS Publishing Company, 1992.
• 12. Yoshii K., Goto M. and Okuno H. G.: Drum Sound Recognition for Polyphonic Audio Signals by Adaptation and Matching of Spectrogram Templates With Harmonic Structure Suppression, IEEE Transactions on Audio . „Speech, and Language Processing”, nr 1, s. 333-345, 2007.
• 13. Dokumentacja oprogramowania: Program PSIM 10.