PL
 |
EN
Preferencje help
Polish version English version Język
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 6

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

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
1
Content available The global and partial system condition assessment in multidimensional condition monitoring
Cempel C.
Diagnostyka
|
2009
|
nr 4(52)
23-34
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.
2
Content available remote Inferring the global and partial system condition by means of multidimensional condition monitoring
Cempel C.
Vibrations in Physical Systems
|
2008
|
Vol. 23
79--94
EN
Machines have many faults which evolve during its life (operation). If one observe 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, and the first generalized 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 use together to increase the reliability of diagnostic decision.
3
Content available Forecasting the global and partial system condition by means of multidimensional condition monitoring methods
Cempel C.
Journal of Theoretical and Applied Mechanics
|
2008
|
Vol. 46 nr 4
777-797
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.
4
Content available remote Decomposition of the symptom observation matrix and grey forecasting in vibration condition monitoring of machines
Cempel C.
International Journal of Applied Mathematics and Computer Science
|
2008
|
Vol. 18, no 4
569-579
EN
With the tools of modern metrology we can measure almost all variables in the phenomenon field of a working machine, and many of the measured quantities can be symptoms of machine conditions. On this basis, we can form a symptom observation matrix (SOM) intended for condition monitoring and wear trend (fault) identification. On the other hand, we know that contemporary complex machines may have many modes of failure, called faults. The paper presents a method of the extraction of the information about faults from the symptom observation matrix by means of singular value decomposition (SVD), in the form of generalized fault symptoms. As the readings of the symptoms can be unstable, the moving average of the SOM is applied with success. An attempt to assess the diagnostic contribution of a primary symptom is made, and also an approach to assess the symptom limit value and to connect the SVD methodology with neural nets is considered. Finally, a condition forecasting problem is discussed and an application of grey system theory (GST) to symptom prognosis is presented. These possibilities are illustrated by processing data taken directly from the machine vibration condition monitoring area.
5
Content available Wpływ niestacjonarności i przypadkowości obserwacji na ocenę stanu w wielowymiarowej diagnostyce maszyn
Cempel Cz., Krakowiak M.
Diagnostyka
|
2006
|
nr 4(40)
19-25
PL
Symptomy diagnostyczne wielu diagnozowanych obiektów mają dużą wrażliwość na zakłócenia. Zatem symptomowa macierz obserwacji (SMO) ma składową przypadkową. Może to zachodzić z tytułu niekontrolowanej zmiany obciążenia. Ma to istotny wpływ na końcową ocenę stanu obiektu. Jako remedium w pracy zaproponowano uśrednianie początkowej wartości symptomów, a dopiero następnie zastosowanie rozkładu względem wartości szczególnych (SVD). Jak się okazuje to proste pociągnięcie może przynieść liczące się rezultaty w podwyższeniu stabilności i diagnostycznej informatywności wyników przetwarzania SMO.
EN
Machine symptoms of condition of many diagnosed object have some sensitivity to disturbances, either of stochastic nature or as the load sensitivity, if machine works in nonstationary regime. As a remedy to this inconvenience we can apply the averaging of initial symptom value before classical application of singular value decomposition (SVD). As it is shown in the paper, this simple preprocessing can bring us the good result in the stability and diagnostic information value of applied symptoms.
6
Content available Implementing multidimensional inference capability in vibration condition monitoring
Cempel C.
Diagnostyka
|
2005
|
Vol. 34
7--14
EN
Contemporary measuring technology in condition monitoring of critical systems allow us to form diagnostic symptom observation vector, with components different physically, and to extract fault information from such created symptom observation matrix. This is possible by using singular value decomposition algorithm and specially written program, which enable also to optimize the dimensionality of symptom observation vector, and to extract needed diagnostic information. We can use as the next, the concept of symptom reliability and symptom hazard rate to calculate the symptom limit value, for system maintenance planning and execution. It seems to be possible to perform these task in an autonomous way, and adding also the knowledge base and learning loop, creating in this way some first approach to Condition Inference Agent (CIA).
PL
Współczesne technologie pomiarowe w diagnostyce obiektów krytycznych pozwalają nam formułować bardzo bogaty wektor obserwacji diagnostycznej obiektu, ze składowymi o różnej naturze fizykalnej. Uformowana w ten sposób macierz symptomowej obserwacji zawiera informację o wielowymiarowej przestrzeni uszkodzeń rozwijającej się w czasie życia obiektu. Jak się okazuje, ekstrakcja tej informacji jest możliwa przez zastosowanie rozkładu względem wartości szczególnych (SVD). Możemy w ten sposób formułować uogólnione symptomy uszkodzeń, a uwzględniając koncepcję niezawodności symptomowej wyznaczyć wartość graniczną symptomu dla bezpiecznej eksploatacji. Możliwa jest też informacyjna ocena pierwotnie mierzonych symptomów i optymalizacja wektora obserwacji. W ten sposób można zwolna myśleć o projekcie samodzielnego agenta diagnostycznego - CIA.
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.