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:  grey models
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
EN
Machines have many faults which evolve during its life (operation). Observing some number of symptoms during the machine operation it is possible to capture needed fault oriented information. One of the methods to extract fault information from such symptom observation matrix (SOM) is to apply the singular value decomposition (SVD), obtaining in this way the generalized fault symptoms. The problem of this paper is to use the total damage symptom, being a sum of all generalized symptoms. Also we will use the first generalized symptom as the dominating fault symptom, to infer better on machine condition. There was some new software created for this purpose, and some cases of machine condition monitoring have been considered as examples. Considering these it seems to the author, that both generalized symptoms should be used for the inference on machine condition. They are complimentary each other in some way, and should be used together to increase the reliability of diagnostic decision.
PL
Maszyny mają wiele uszkodzeń, które ewoluują w trakcie ich pracy. Jeżeli obserwujemy pewną liczbę dobranych symptomów w trakcie życia obiektu możemy tą informację o uszkodzeniach wychwycić w zapisie symptomowej macierzy obserwacji (SOM). Ekstrakcja tej informacji uszkodzeniowej jest możliwa za pomocą procedury SVD, która wyodrębnia poszczególne uogólnione symptomy związane z niezależnymi uszkodzeniami w maszynie. Zazwyczaj mamy sytuacje jednego dominującego symptomu i nasze wnioskowanie diagnostyczne może być związane z tym dominującym symptomem, lub też z tzw. uszkodzeniem całkowitym jako suma wszystkich uogólnionych symptomów. Problemem pracy jest właśnie pytanie; czy wziąć pod uwagę jedynie dominujące uszkodzenie, czy też całkowite. Okazuje się z kilku przykładów, że większą pewność decyzji diagnostycznej uzyskamy jeżeli w weźmiemy pod uwagę oba symptomy, symptom całkowitego uszkodzenia jak i dominujący symptom.
EN
Machines have many faults which evolve during their operation. If one observes some number of symptoms during the machine operation, it is possible to capture fault oriented information. One of the methods to extract fault information from such a symptom observation matrix is to apply the Singular Value Decomposition (SVD), obtaining in this way the generalized fault symptoms. The problem of this paper is to find if the total damage symptom, being a sum of all generalized symptoms is the best way to infer on machine condition or is it better to use the first generalized symptom for the same purposes. There were some new software created for this purpose, and two cases of machine condition monitoring considered, but so far it is impossible to state that one of the inference methods is better. Moreover, it seems to the author that both inference methods are complimentary for each other, and should be used together to increase the reliability of diagnostic decision.
PL
Maszyny mają wiele uszkodzeń, które ewoluują podczas ich pracy (życia). Jeśli obserwujemy pewną liczbę symptomów stanu podczas pracy maszyny, to jesteśmy w stanie uchwycić informację uszkodzeniową zorientowaną, za pomocą tzw. symptomowej macierzy obserwacji (SOM). Jedną z metod dalszej ekstrakcji tej informacji diagnostycznej jest zastosowanie rozkładu według wartości szczególnych (SVD) do SOM. Problem postawiony w tej pracy polega na rozstrzygnięciu kwestii, czy w diagnostyce stanu używać uogólnionego symptomu całkowitego uszkodzenia maszyny, czy też posłużyć się tylko uogólnionym symptomem dominującego uszkodzenia. W tym celu stworzono dodatkowe oprogramowanie, dzięki któremu pokazano, że takie dychoto- miczne postawienie kwestii nie jest niewłaściwe. Najlepiej używać obydwa symptomy uogólnione, wtedy nasza wiedza o stanie maszyny jest pełniejsza.
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.