Wyniki wyszukiwania - BazTech

1

Applications of generative models with a latent observation subspace in vibrodiagnostics

Puchalski Andrzej, Komorska Iwona

Diagnostyka

|

2023

|

Vol. 24, No. 4

art. no. 2023413

EN

The vibration signal is one of the most essential diagnostic signals, the analysis of which allows for determining the dynamic state of the monitored machine set. In the era of cyber-physical industrial systems, making diagnostic decisions involves the study of large databases from previous registers and data downloaded from machines in real-time. However, the recorded signals mainly concern the operational status of the monitored object. Insufficient training data regarding failure states hinders the operation of classification algorithms. Progress in machine learning has created a new avenue for the advancement of diagnostic methods based on models. These methods now have the capability to produce signals through random sampling from a hidden space or generate fresh instances of input data from noise. The article suggests the use of a Generative Adversarial Network (GAN) model as a tool to create synthetic measurement observations for vibration monitoring. The effectiveness of the synthetic data generation algorithm was verified on the example of the vibration signal recorded during tests of the drive system of a motor vehicle.

2

Driving style analysis and driver classification using OBD data of a hybrid electric vehicle

Puchalski Andrzej, Komorska Iwona

Transport Problems

|

2020

|

T. 15, z. 4, cz. 1

83--94

EN

Ensuring the effectiveness of adaptive algorithms for advanced driver assistance systems (ADAS) requires online recognition of driving styles. The article discusses studies carried out during real driving cycles based on the GPS parameters and OBD system data of a hybrid vehicle. The work focuses on the search for measures of the speed and acceleration signals of the car and the measures determined on their basis that best describe the driving style responsible for the vehicle traffic safety and ecological safety. Relations between the type of driver, driving dynamics, and fuel consumption were studied. The driver's categorization was based on a statistical analysis of input signals and mean tractive force (MTF) by clustering.

3

Synthesis of naturalistic vehicle driving cycles using the Markov Chain Monte Carlo method

Puchalski Andrzej, Komorska Iwona, Ślęzak Marcin, Niewczas Andrzej

Eksploatacja i Niezawodność

|

2020

|

Vol. 22, no. 2

316--322

EN

Simulation methods commonly used throughout the design and verification process of various types of motor vehicles require development of naturalistic driving cycles. Optimization of parameters, testing and gradual increase in the degree of autonomy of vehicles is not possible based on standard driving cycles. Ensuring representativeness of synthesized time series based on collected databases requires algorithms using techniques based on stochastic and statistical models. A synthesis technique combining the MCMC method and multifractal analysis has been proposed and verified. The method allows simple determination of the speed profile compared to classic frequency analysis.

PL

Metody symulacyjne powszechnie stosowane w całym procesie projektowania i weryfikacji różnych typów pojazdów mechanicznych wymagają opracowania eksploatacyjnych cykli jezdnych. Optymalizacja parametrów, testowanie i stopniowe zwiększanie stopnia autonomiczności pojazdów nie jest możliwe na bazie standardowych cykli jezdnych. Zapewnienie reprezentatywności syntezowanych szeregów czasowych na podstawie zgromadzonych baz danych wymaga algorytmów wykorzystujących techniki bazujące na modelach stochastycznych i statystycznych. Zaproponowano i zweryfikowano technikę syntezy łączącą metodę Monte Carlo wykorzystującą łańcuch Markowa (MCMC) oraz analizę multifraktalną. Metoda umożliwia proste wyznaczenie profilu prędkości jazdy w porównaniu do klasycznej analizy częstotliwościowej.

4

Application of the wavelet multifractal analysis of vibration signal for rotating machinery diagnosis

Puchalski Andrzej, Komorska Iwona

Vibrations in Physical Systems

|

2019

|

Vol. 30, nr 2

art. no. 2019207

EN

The paper proposes the WLMF (Wavelet Leaders Multifractal Formalism) method enabling the adoption of multifractal parameters mapped by vibration signal log-cumulants as diagnostic features, in the procedure of automatic classification of assembly errors and wear of demonstration gearbox. In the analysis of vibration time signals, initially, a multifractal formalism was used based on the study of time series local regularity, which is measured by Holder exponents. The presented test results relate to time-frequency multifractal analysis, the starting point of which was a continuous wavelet transform. Discrete wavelet transform allowed for much better grounded multifractal formalism and more accurate estimation of multifractal parameters using wavelet leaders, which are determined based on wavelet coefficients and are representatives of Holder exponents.

5

Stochastic simulation and validation of Markov models of real driving cycles

Puchalski Andrzej, Komorska Iwona

Diagnostyka

|

2019

|

Vol. 20, No. 3

31--36

EN

The driving cycle is a time series of the vehicle speed reflecting its movement in real road conditions. The WLTC (Worlwide harmonized Light duty Test Cycle) valid from August 2017 is based on real driving profiles derived from research and statistical analysis of road traffic in Europe, the USA and Asia. In addition to certification and comparative research, driving cycles are used in the process of virtual design of drive systems and embedded control algorithms, traffic management or intelligent road transport. Regardless of the intended use, the standard test does not guarantee the correctness of the results obtained. There is a need to generate many different driving cycles that meet the established equivalence conditions. The article discusses the methods of stochastic simulation and assessment of equivalence of obtained traffic models. The Monte Carlo method of Markov chains was used in the research. The comparative criteria are defined using the statistical parameters of the vehicle speed time series and the corresponding multifractal spectra. The synthesis was carried out at predetermined length of time series. The experiment carried out involved the study of traffic in real road conditions of urban driving and extra-urban large agglomerations during working days.

PL

Cykl jezdny to szereg czasowy prędkości pojazdu odzwierciedlający jego ruch w rzeczywistych warunkach drogowych. Obowiązujący od sierpnia 2017 roku test WLTC (Worlwide harmonized Light duty Test Cycle) bazuje na rzeczywistych profilach jazdy pochodzących z badań i analiz statystycznych ruchu drogowego w Europie, USA i Azji. Poza certyfikacją i badaniami porównawczymi cykle jezdne wykorzystywane są w procesie wirtualnego projektowania układów napędowych i wbudowanych algorytmów sterowania, zarządzania ruchem ulicznym lub inteligentnym transportem samochodowym. Niezależnie od przeznaczenia posługiwanie się standardowym testem nie gwarantuje poprawności uzyskanych wyników. Istnieje konieczność generacji wielu różniących się cykli jezdnych, spełniających ustalone warunki równoważności. W artykule omówiono metody symulacji stochastycznych i oceny równoważności uzyskanych modeli ruchu drogowego. W badaniach wykorzystano metodę Monte Carlo łańcuchów Markowa. Kryteria porównawcze zdefiniowano za pomocą parametrów statystycznych szeregów czasowych prędkości pojazdu oraz odpowiadających im widm multifraktalnych. Syntezę prowadzono przy założonej długości szeregów czasowych. Zrealizowany eksperyment obejmował badania ruchu w rzeczywistych warunkach drogowych jazdy miejskiej i pozamiejskiej dużej aglomeracji w czasie dni roboczych.