Wyniki wyszukiwania - BazTech

Ograniczanie wyników

2 Diagnostyka

2 Tabaszewski M.

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: residual time

Sortuj według:

Ogranicz wyniki do:

Wielosymptomowa prognoza stanu i czasu do awarii z wykorzystaniem sieci neuronowych

Tabaszewski M.

Diagnostyka

2007

nr 2(42)

43-48

Praca zawiera próbę rozwiązania problemu prognozy wielosymptomowej dla złożonych obiektów technicznych. Zaproponowano kilka możliwości realizacji prognozy wielosymptomowej stanu i czasu do awarii kładąc szczególny nacisk na możliwość zastosowania sieci neuronowej. Przedstawiono przykład zastosowania sieci neuronowej w prognozie czasu resztkowego do awarii łożyska tocznego 608. Wskazano na silną zależność jakości otrzymywanych prognoz od przyjętej struktury sieci.

The work concerns an idea of multi-symptom forecasting for complex technical objects. Some of possibilities of realization of multi-symptom forecasting of machine condition and time to breakdown were proposed, especially realization based on neural networks. Some example of prediction of residual time to breakdown of ball bearing 608 was presented. The strong relationship between quality of forecasts and assumed structure of artificial neural network was shown.

Prognozowanie resztkowej miary eksploatacji młyna wentylatorowego z wykorzystaniem sieci neuronowych

Tabaszewski M.

Diagnostyka

2006

nr 3(39)

149-154

Praca zawiera opis metodologii prognozowania czasu resztkowego (czasu do awarii) dla młyna wentylatorowego MWk-16. Ze względu na krótki czas pracy młyna wentylatorowego pomiędzy naprawami (krótkie krzywe życia) oraz duży rozrzut długości tych krzywych, prognoza przewidywanego czasu do awarii w oparciu o zebrane dane stanowi bardzo istotną przesłankę do podejmowania decyzji eksploatacyjnych. W celu rozwiązania przedstawionego problemu w pracy rozpatrzono dwie koncepcje struktur sieci neuronowych.

The paper concerns methodology of forecasting of residual time (time to breakdown) of milling fan MWk-16. As the time between breakdowns of the fan is very short (short live curves) and variable, forecasting of life time based on collected data gives very important information which can be used in making decisions concerning machine operation. In order to solve the problem two structures of neural networks were considered.