Wyniki wyszukiwania - BazTech

1

Sieci neuronowe w zagadnieniach klasyfikacji stanu ostrzy narzędzi urabiających

Gajewski J., Jonak K.

Przegląd Mechaniczny

|

2014

|

nr 3

21--24

PL

W artykule zaprezentowano wyniki klasyfikacji stanu ostrzy narzędzi pracujących zespołowo na głowicy urabiającej. Jako narzędzie do oceny zastosowano sztuczne sieci neuronowe. Badania realizowano dla sieci o radialnych funkcjach bazowych, perceptronu wielowarstwowego oraz sieci rozmytych. Porównano skuteczność klasyfikacji stanu noży dla poszczególnych modeli neuronowych.

EN

The paper presents the results of excavating tools' blades for machines' combined work on a cutting head classification. Artificial neural networks were used as a rating tool. The research was carried out for basie radial functions networks, multilayer perceptrons and fuzzy networks. The effectiveness of blades condition for particular neural models was compared.

2

Klasyfikacja stanu i rodzaju noży głowicy wielonarzędziowej z wykorzystaniem sieci neuronowych

Jonak J., Gajewski J.

Napędy i Sterowanie

|

2009

|

R. 11, nr 2

107-110

PL

Artykuł prezentuje próbę klasyfikacji stanu ostrzy i rodzaju noży pracujących zespołowo na głowicy urabiającej. Jako narzędzie służące do takiej oceny wykorzystano sztuczne sieci neuronowe. Zarejestrowano sygnały mocy oraz momentu urabiania głowicą wielonarzędziową z zamontowanymi nożami stycznymi oraz promieniowymi. Badania realizowano poprzez urabianie nożami ostrymi oraz częściowo zużytymi. W celu wyeliminowania zmiennych mających wpływ na przebieg procesu urabiania w eksperymencie posłużono się modelową bryłą skalną. Zamieszczone wyniki stanowią część badań nad wykorzystaniem metod sztucznej inteligencji w badaniach noży i głowic urabiających. Jako zmienne wejściowe do sztucznych sieci neuronowych wykorzystano charakterystyczne parametry statystyczne przebiegów czasowych, tj. wariancję, skośność oraz kurtozę. Zmienną wyjściową SSN był stan ostrzy noży urabiających (ostre lub stępione) oraz rodzaj zamontowanych narzędzi (promieniowe lub styczne).

EN

The publication presents an attempt to identify the status and type of cutters working as an assembly on a multi-tool head with the use of a new method. The paper presents results of research on utilising artificial neural networks to identify type and point's status cutting tools used in multi-tool excavating heads of mechanical coal miners. The time courses of mining torque and power for a multi-tool head with installed radial and tangent- rotational tools were recorded. The tests covered mining with sharp and partially blunt cutters. In order to limit the variables influencing the excavating process, a model rock was used for the experiment The received time courses were used as input variables for the Artificial Neural Network. For this purpose, mining power and torque signals statistical parameters were established: variance, skewness, and kurtosis. The Radial Basis Function (RBF) networks, Multilayer Perceptron (MLP) structure networks and Fuzzy Neural Networks (FNN), verified in the previous identification tests, were used for analysis.

3

Ocena stanu ostrzy noży głowicy wielonarzędziowej z wykorzystaniem cech sygnałów mocy i momentu urabiania

Jonak J., Gajewski J.

Problemy Maszyn Roboczych

|

2007

|

Z. 29

33-42

PL

Referat prezentuje próbę oceny stanu ostrzy noży pracujących zespołowo na głowicy wielonarzędziowej. Zarejestrowano przebiegi czasowe mocy oraz momentu urabiania głowicą wielonarzędziową z zamontowanymi narzędziami promieniowymi oraz stycznymi. Badania obejmowały urabianie nożami nowymi - ostrymi oraz częściowo stępionymi. W celu ograniczenia zmiennych wpływających na przebieg procesu urabiania w eksperymencie posłużono się modelową bryłą skalną. Pozyskane przebiegi czasowe wykorzystano jako zmienne wejściowe do sztucznej sieci neuronowej. W tym celu wyznaczono parametry statystyczne sygnałów mocy i momentu urabiania (wartość średnia, wariancja, skośność oraz kurtoza). Zmienną wyjściową SSN był stan ostrzy noży. Do analiz wykorzystano modele sieci o strukturze perceptronu wielowarstwowego oraz o radialnych funkcjach bazowych, sprawdzone w dotychczasowych badaniach rozpoznawczych.

EN

The paper presents a method for identifying the cutting tool status with the use of Artificial Neural Network. This paper also describes laboratory test and test stad. Characteristic statistics of the signals of ripping tool mining torque and power are the input data to ANN. The results of numerical analyses conducted with the use of Neural Networks are presented.