Wyniki wyszukiwania - BazTech

1

Discrimination of faults in induction machine based on pattern recognition and neural networks techniques

Lakrout Abdelkader, Bendjebbar Mokhtar, Henini Noureddine

Przegląd Elektrotechniczny

|

2020

|

R. 96, nr 10

55--61

EN

The work presented in this paper is a contribution in the theme of monitoring and diagnosing of faults in the three-phase squirrel cage induction machine. The proposed approach is based on the pattern recognition methods and the artificial intelligence techniques. For so doing, measurements of the stator currents are carried out on a machine subject to various faults such as: short-circuit in the stator windings, bar breakage, bearing failure and eccentricity fault. These acquisitions are classified in databases in order to process them and calculate their Power Spectral Density (PSD). Then, another database is formed of the digital data of the PSD images of the currents associated with the type of fault. After that, a process of learning and classification by artificial neural networks was developed. The test results show the efficiency, robustness and correctness of the proposed approach for the discrimination of faults of electrical or mechanical origin affecting the machine.

PL

Praca przedstawiona w tym artykule stanowi wkład w temat monitorowania i diagnozowania uszkodzeń w trójfazowej maszynie indukcyjnej klatkowej. Proponowane podejście opiera się na metodach rozpoznawania wzorców i technikach sztucznej inteligencji. W tym celu pomiary prądów stojana są przeprowadzane na maszynie podlegającej różnym usterkom, takim jak: zwarcie w uzwojeniach stojana, pęknięcie pręta, uszkodzenie łożyska i błąd mimośrodowości. Przejęcia te są klasyfikowane w bazach danych w celu ich przetworzenia i obliczenia ich gęstości widmowej mocy (PSD). Następnie tworzona jest kolejna baza danych z cyfrowymi danymi obrazów PSD prądów związanych z rodzajem uszkodzenia. Następnie opracowano proces uczenia się i klasyfikacji przez sztuczne sieci neuronowe. Wyniki testu pokazują skuteczność, niezawodność i poprawność proponowanego podejścia do rozróżnienia wad pochodzenia elektrycznego lub mechanicznego mających wpływ na maszynę.

2

Multiple Support Vector-based approach to Breast tumor recognition

Jiang H., Chen X., Liu B.

Przegląd Elektrotechniczny

|

2012

|

R. 88, nr 5b

105-107

EN

Based on Multi-Support Vector Machine (MSVM),this paper provides a method of MSVM for breast tumor recognition to solve unfixed size and individual difference with the breast tumor. Support Vector Machine (SVM) on the eight direction of bump area is taken to generate vector classifier and to select Gauss kernel function as kernel function. The system application and test shows that the MSVM in breast tumor recognition achieved good result, and provide the reliable basis for further medical diagnosis. The breast tumor recognition accuracy achieved 97.3%.

PL

Opisano wykorzystanie metody MSVM (multi-support vector machine) do wykrywania guza piersi. Metoda generuje klasyfikator wektorowy w ośmiu kierunkach a selekcję cech przeprowadza się wykorzystując funkcje Gaussa jako kernel.

3

Application of SVM in computer aided gastric diagnostic system

Świerczyński Z., Mazur J.

Biocybernetics and Biomedical Engineering

|

2004

|

Vol. 24, no. 4

19-30

EN

In the paper computer aided stomach diagnosis problems are presented. The subject of the study is electrical signal generated by human stomach and called electrogastrographic (EGG) signal. The non-invasively measured signals were subjected to parametrization, which was performed with one of the time series modelling methods, with linear autoregressive models (AR). Then the obtained sets of numbers were classified with the Support Vector Machine (SVM), which is a relatively new pattern recognition technique and is based on the idea of structural risk minimization, The structure and parameters of algorithm used for classification of the parameterized EGG data are described. The finally obtained effectiveness of the whole system (SVM with the parametrization method applied), amounting to 81%, is promising and, according to the authors' analysis can be improved. The ways of improving of the effectiveness are also outlined in the conclusions.