Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: diagnostic of motor

Sortuj według:

Ogranicz wyniki do:

Diagnostyka silnika synchronicznego oparta na analizie sygnałów akustycznych z zastosowaniem MFCC i klasyfikatora rozmytego

Głowacz A.

Mechanizacja i Automatyzacja Górnictwa

2010

R. 48, nr 10

5-9

Zaprezentowano metodę diagnozowania stanów przedawaryjnych silnika synchronicznego. Metoda ta oparta jest na badaniu sygnałów akustycznych generowanych przez silnik synchroniczny. System rozpoznawania dźwięku oparty jest na algorytmach przetwarzania danych takich jak algorytm MFCC i klasyfikator rozmyty z trójkątną funkcją przynależności. Zaimplementowano oprogramowanie do rozpoznawania dźwięków silnika synchronicznego. Przeprowadzono badania dla czterech stanów przedawaryjnych silnika synchronicznego. Wyniki badań potwierdzają, że system może być przydatny do wykrywania uszkodzeń i zabezpieczania silników.

The article features a method to diagnose pre-damage states of a synchronous motor. The method is based on the tests of acoustic signals generated by a synchronous motor. The sound recognition system is based on data processing algorithms, such as the MFCC algorithm and fuzzy classifier with a triangular membership function. The software to recognize the sounds of a synchronous motor was implemented. Additionally, there were tests conducted for four pre-damage states of a synchronous motor. The test results confirm that the system can be useful to detect damages and to protect the motors.

Sieci neuronowe w diagnostyce silników indukcyjnych

Mnich T.

Zeszyty Naukowe. Elektryka / Politechnika Śląska

1999

z. 168

35-50

W artykule przedstawiono wyniki badań architektur sztucznych sieci neuronowych, wykorzystywanych w diagnostyce uszkodzeń klatki silników indukcyjnych. Omówiono założenia, jakimi się kierowano przy określaniu architektury poszczególnych sieci, oraz główne problemy i ograniczenia wyboru danych uczących sieci neuronowe.

The assumptions made when determining the architecture of particular networks and the main problems as well as limitations dealing with choice of the data training neural networks are discussed in the paper too.