Wyniki wyszukiwania - BazTech

1

Generative modelling of vibration signals in machine maintenance

Puchalski Andrzej Adam, Komorska Iwona

Eksploatacja i Niezawodność

|

2023

|

Vol. 25, no. 4

art. no. 173488

EN

The exponential development of technologies for the acquisition, collection, and processing of data from real-world objects is creating new perspectives in the field of machine maintenance. The Industrial Internet of Things is the source of a huge collection of measurement data. The performance of classification or regression algorithms needs to take into account the random nature of the process being modelled and any incomplete observability, especially in terms of failure states. The article highlights the practical possibilities of using generative artificial intelligence and deep machine learning systems to create synthetic measurement observations in monitoring the vibrations of rotating machinery to improve unbalanced databases. Variational Autoencoder VAE generative models with latent variables in the form of high-level input features of time-frequency spectra were studied. The mapping and generation algorithm was optimised and its effectiveness was tested in the practical solution of the task of diagnosing the three operating states of a demonstration gearbox.

2

Applications of generative models with a latent observation subspace in vibrodiagnostics

Puchalski Andrzej, Komorska Iwona

Diagnostyka

|

2023

|

Vol. 24, No. 4

art. no. 2023413

EN

The vibration signal is one of the most essential diagnostic signals, the analysis of which allows for determining the dynamic state of the monitored machine set. In the era of cyber-physical industrial systems, making diagnostic decisions involves the study of large databases from previous registers and data downloaded from machines in real-time. However, the recorded signals mainly concern the operational status of the monitored object. Insufficient training data regarding failure states hinders the operation of classification algorithms. Progress in machine learning has created a new avenue for the advancement of diagnostic methods based on models. These methods now have the capability to produce signals through random sampling from a hidden space or generate fresh instances of input data from noise. The article suggests the use of a Generative Adversarial Network (GAN) model as a tool to create synthetic measurement observations for vibration monitoring. The effectiveness of the synthetic data generation algorithm was verified on the example of the vibration signal recorded during tests of the drive system of a motor vehicle.

3

Driving style analysis and driver classification using OBD data of a hybrid electric vehicle

Puchalski Andrzej, Komorska Iwona

Transport Problems

|

2020

|

T. 15, z. 4, cz. 1

83--94

EN

Ensuring the effectiveness of adaptive algorithms for advanced driver assistance systems (ADAS) requires online recognition of driving styles. The article discusses studies carried out during real driving cycles based on the GPS parameters and OBD system data of a hybrid vehicle. The work focuses on the search for measures of the speed and acceleration signals of the car and the measures determined on their basis that best describe the driving style responsible for the vehicle traffic safety and ecological safety. Relations between the type of driver, driving dynamics, and fuel consumption were studied. The driver's categorization was based on a statistical analysis of input signals and mean tractive force (MTF) by clustering.

4

Synthesis of naturalistic vehicle driving cycles using the Markov Chain Monte Carlo method

Puchalski Andrzej, Komorska Iwona, Ślęzak Marcin, Niewczas Andrzej

Eksploatacja i Niezawodność

|

2020

|

Vol. 22, no. 2

316--322

EN

Simulation methods commonly used throughout the design and verification process of various types of motor vehicles require development of naturalistic driving cycles. Optimization of parameters, testing and gradual increase in the degree of autonomy of vehicles is not possible based on standard driving cycles. Ensuring representativeness of synthesized time series based on collected databases requires algorithms using techniques based on stochastic and statistical models. A synthesis technique combining the MCMC method and multifractal analysis has been proposed and verified. The method allows simple determination of the speed profile compared to classic frequency analysis.

PL

Metody symulacyjne powszechnie stosowane w całym procesie projektowania i weryfikacji różnych typów pojazdów mechanicznych wymagają opracowania eksploatacyjnych cykli jezdnych. Optymalizacja parametrów, testowanie i stopniowe zwiększanie stopnia autonomiczności pojazdów nie jest możliwe na bazie standardowych cykli jezdnych. Zapewnienie reprezentatywności syntezowanych szeregów czasowych na podstawie zgromadzonych baz danych wymaga algorytmów wykorzystujących techniki bazujące na modelach stochastycznych i statystycznych. Zaproponowano i zweryfikowano technikę syntezy łączącą metodę Monte Carlo wykorzystującą łańcuch Markowa (MCMC) oraz analizę multifraktalną. Metoda umożliwia proste wyznaczenie profilu prędkości jazdy w porównaniu do klasycznej analizy częstotliwościowej.

5

Application of the wavelet multifractal analysis of vibration signal for rotating machinery diagnosis

Puchalski Andrzej, Komorska Iwona

Vibrations in Physical Systems

|

2019

|

Vol. 30, nr 2

art. no. 2019207

EN

The paper proposes the WLMF (Wavelet Leaders Multifractal Formalism) method enabling the adoption of multifractal parameters mapped by vibration signal log-cumulants as diagnostic features, in the procedure of automatic classification of assembly errors and wear of demonstration gearbox. In the analysis of vibration time signals, initially, a multifractal formalism was used based on the study of time series local regularity, which is measured by Holder exponents. The presented test results relate to time-frequency multifractal analysis, the starting point of which was a continuous wavelet transform. Discrete wavelet transform allowed for much better grounded multifractal formalism and more accurate estimation of multifractal parameters using wavelet leaders, which are determined based on wavelet coefficients and are representatives of Holder exponents.

6

Stochastic simulation and validation of Markov models of real driving cycles

Puchalski Andrzej, Komorska Iwona

Diagnostyka

|

2019

|

Vol. 20, No. 3

31--36

EN

The driving cycle is a time series of the vehicle speed reflecting its movement in real road conditions. The WLTC (Worlwide harmonized Light duty Test Cycle) valid from August 2017 is based on real driving profiles derived from research and statistical analysis of road traffic in Europe, the USA and Asia. In addition to certification and comparative research, driving cycles are used in the process of virtual design of drive systems and embedded control algorithms, traffic management or intelligent road transport. Regardless of the intended use, the standard test does not guarantee the correctness of the results obtained. There is a need to generate many different driving cycles that meet the established equivalence conditions. The article discusses the methods of stochastic simulation and assessment of equivalence of obtained traffic models. The Monte Carlo method of Markov chains was used in the research. The comparative criteria are defined using the statistical parameters of the vehicle speed time series and the corresponding multifractal spectra. The synthesis was carried out at predetermined length of time series. The experiment carried out involved the study of traffic in real road conditions of urban driving and extra-urban large agglomerations during working days.

PL

Cykl jezdny to szereg czasowy prędkości pojazdu odzwierciedlający jego ruch w rzeczywistych warunkach drogowych. Obowiązujący od sierpnia 2017 roku test WLTC (Worlwide harmonized Light duty Test Cycle) bazuje na rzeczywistych profilach jazdy pochodzących z badań i analiz statystycznych ruchu drogowego w Europie, USA i Azji. Poza certyfikacją i badaniami porównawczymi cykle jezdne wykorzystywane są w procesie wirtualnego projektowania układów napędowych i wbudowanych algorytmów sterowania, zarządzania ruchem ulicznym lub inteligentnym transportem samochodowym. Niezależnie od przeznaczenia posługiwanie się standardowym testem nie gwarantuje poprawności uzyskanych wyników. Istnieje konieczność generacji wielu różniących się cykli jezdnych, spełniających ustalone warunki równoważności. W artykule omówiono metody symulacji stochastycznych i oceny równoważności uzyskanych modeli ruchu drogowego. W badaniach wykorzystano metodę Monte Carlo łańcuchów Markowa. Kryteria porównawcze zdefiniowano za pomocą parametrów statystycznych szeregów czasowych prędkości pojazdu oraz odpowiadających im widm multifraktalnych. Syntezę prowadzono przy założonej długości szeregów czasowych. Zrealizowany eksperyment obejmował badania ruchu w rzeczywistych warunkach drogowych jazdy miejskiej i pozamiejskiej dużej aglomeracji w czasie dni roboczych.

7

Detekcja uszkodzenia uszczelki głowicy silnika on-line na podstawie sygnału drgań z wykorzystaniem analizy składowych głównych

Komorska Iwona

TTS Technika Transportu Szynowego

|

2015

|

R. 22, nr 12

1956--1959, CD

PL

W artykule rozważano możliwość diagnozowania on-line uszkodzenia uszczelki głowicy silnika spalinowego. W systemach diagnozowania on-line wciąż poszukuje się prostszych metod, które umożliwiłyby rozróżnienie stanów dobry – zły oraz identyfikację uszkodzenia. Po zarejestrowaniu sygnału drgań można utworzyć na jego podstawie wiele parametrów diagnostycznych. Część z nich jest użyteczna i niesie informacje o stanie obiektu, część jest skorelowana z innymi, a część zakłóca proces diagnozowania i jest wręcz szkodliwa. Aby wybrać tylko te nośne informacyjnie parametry zastosowano w pracy metodę analizy składowych głównych (Principal Component Analysis) tworząc model empiryczny pozwalający na automatyczną klasyfikację uszkodzeń uszczelki głowicy silnika na podstawie sygnału drgań.

XX

Paper discussed the possibility of on-line diagnosis the defect of the head gasket of the combustion engine. In systems of on-line diagnostics the simpler methods - which would allow to differentiate good and faulty states as well as the defects identification - are constantly searched for. When the vibration signal is recorded several diagnostic parameters can be created on its bases. A part of them is useful and provides information of the object state, a part is correlated with other data, however there is also a part which disturbs the diagnostic process. In order to select parameters carrying information the method of the Principal Component Analysis (PCA) was applied forming the empirical model allowing for an automatic classification of defects of the engine head gasket on the bases of the vibration signal.