Ograniczanie wyników
Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 2

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
Wyszukiwano:
w słowach kluczowych:  diagnostics of analog systems
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
EN
The paper presents application of unsupervised learning methods to detect ambiguity groups in the data used in the diagnostics of analog systems. The proposed approach processes labelled data sets from simulated systems to find similar examples belonging to different faulty states. Two algorithms were used in the presented research: graph clustering. Efficiency of the method is compared and verified against the exemplary electrical system, i.e. induction machine. Future prospects of such methods will be also included.
PL
W artykule przedstawiono zastosowanie metod uczenia bez nadzoru w celu wykrycia grup niepewności w danych wykorzystywanych do diagnostyki systemów analogowych. Dane przetwarzane są w celu znalezienia podobnych do siebie przykładów należących do różnych kategorii uszkodzeń. Metoda clusteringu grafowego zostały przetestowane na przykładzie silnika indukcyjnego.
2
Content available remote Automated selection of kernel parameters in diagnostics of analog systems
EN
The paper presents an approach to automatically select the optimal parameters of the kernel functions used in the Support Vector Machines (SVM) approach for the diagnostic task. Various variants of the simulated annealing were implemented and verified in order to obtain the best diagnostic outcomes. The tested system was the fourth order lowpass filter, consisting of two Sallen-Key sections and nine diagnosable elements. The tests covered verification of simulated annealing parameters (starting temperature and annealing ratio) and various SVM kernels (with coding schemes) in the multiple faults detection and location task. The proposed method verified against the exhaustive search.
PL
Artykuł przedstawia metodę automatycznego doboru optymalnych parametrów funkcji jądra wykorzystywanych przez maszyny wektorów podpierających w diagnostyce systemów analogowych. Różne warianty symulowanego wyżarzania zostały zaimplementowane w celu uzyskania jak najlepszych wyników diagnostycznych. Metoda została przetestowana na modelu filtru dolnoprzepustowego czwartego rzędu składającego się z dwóch sekcji Sallen-Key oraz dziewięciu elementów mogących być przyczyną uszkodzeń. Eksperymenty obejmowały dobór parametrów symulowanego wyżarzania (temperatura początkowa oraz szybkość schładzania) oraz jąder wektorów podpierających w detekcji i lokalizacji uszkodzeń. Opisana metoda została porównana z przeszukiwaniem wyczerpującym.
first rewind previous Strona / 1 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.