Wyniki wyszukiwania - BazTech

1

Zaawansowane metody wnioskowania diagnostycznego

Timofiejczuk A.

Zeszyty Naukowe. Mechanika / Politechnika Śląska

|

2005

|

z. 152

77-97

PL

Celem diagnostyki technicznej jest identyfikacja stanu obiektu technicznego. Podstawą wnioskowania diagnostycznego są symptomy, które identyfikuje się głównie na podstawie analizy sygnałów resztkowych. Referat dotyczy wybranych, zaawansowanych metod wnioskowania diagnostycznego rozwijanych w latach poprzednich oraz obecnie w Katedrze Podstaw Konstrukcji Maszyn Politechniki Śląskiej. W referacie przedstawiono przegląd metod reprezentacji wiedzy metod oraz metod wnioskowania diagnostycznego stosowanych najczęściej w diagnostyce maszyn. W końcowej części referatu pokazano przykład zastosowania wnioskowania diagnostycznego z uwzględnieniem kontekstu.

EN

The goal of technical diagnostics is to identify the state of a technical object. The bases of diagnostic inference are symptoms, which are mainly identified on the basis of analysis of residual signals. The paper deals with advanced methods of diagnostic inference developed in Department of Fundamentals of Machinery Design of Silesian University of Technology. It includes a review of approaches to knowledge representation and diagnostic inference. In the last part of the paper an example of application of diagnostic inference with the use of contexts was presented.

2

Rozwój metod analiza sygnałów wibroakustycznych stosowanych w diagnostyce maszyn

Wysogląd B., Timofiejczuk A.

Zeszyty Naukowe. Mechanika / Politechnika Śląska

|

2005

|

z. 152

225-248

PL

Jednym z podstawowych pojęć w diagnostyce maszyn jest sygnał diagnostyczny, będący nośnikiem informacji umożliwiającym przekazanie wiadomości o stanie obserwowanej maszyny. W artykule przedstawiono przegląd metod analiz sygnałów wibroakustycznych stosowanych i opracowanych w Katedrze Podstaw Konstrukcji Maszyn Politechniki Śląskiej, wykorzystywanych głównie w diagnostyce maszyn wirnikowych. Pierwsza część artykułu jest opisem sygnałów rejestrowanych podczas badań maszyn wirnikowych oraz rodzajów eksperymentów diagnostycznych. W części tej zawarto także krótki przegląd metod analizy takich sygnałów. W kolejnej części artykułu opisano metody czasowo-częstotliwościowej analizy sygnałów z zastosowaniem krótkoczasowej transformacji Fouriera i transformacji falkowej, które są stosowane do analizy sygnałów niestacjonarnych, głównie sygnałów rejestrowanych w przejściowych warunkach działania maszyny. W końcowej części artykułu przedstawiono metody analizy sygnałów dwuwymiarowych, opisujących trajektorie ruchu czopa w łożysku hydrodynamicznym z zastosowaniem reprezentacji zespolonej.

EN

A signal is considerd to be one of the basic terms of technical diagnostics. It is treated as a carrier of information about the state of an observed object. The paper deals with the review of methods of diagnostic signal analysis applied and elaborated in Department of Fundamental of Machinery Design of Silesian University of Technology. Presented methods are mainly applied in diagnostics of rotating machinery. In the first part of the paper time-frequency methods were described, which are applied to analysis of nonstacionary signals. The second part is devoted to the analysis of two-dimensional signals. Examples of such signals aretrajectories of the centre of shaft neck in hydrodynamic bearing.

3

Choice of a knowledge representation method for learning classifiers in medical domains

Śnieżyński B.

Journal of Medical Informatics & Technologies

|

2005

|

Vol. 9

195--200

EN

Knowledge based systems in medical domains are common nowadays. Machine learning techniques are broadly used to generate knowledge for such systems. Developers have to choose not only the learning method, but also, what is even more important, the knowledge representation method. The most common criterion for such a choice is prediction accuracy. In the paper we argue that in certain cases knowledge representation, and its simplicity and intelligibility, are more important. In this paper results of experiments performed using several medical data sets and chosen machine learning algorithms are presented. Next, some examples of learned classifiers are shown. Analysis of results conclude the work.