Wyniki wyszukiwania - BazTech

1

Fault diagnosis model of rolling bearing based on parameter adaptive VMD algorithm and Sparrow Search Algorithm-Based PNN

Li Junxing, Liu Zhiwei, Qiu Ming, Niu Kaicen

Eksploatacja i Niezawodność

|

2023

|

Vol. 25, no. 2

art. no. 163547

EN

Fault diagnosis of rolling bearings is essential to ensure the proper functioning of the entire machinery and equipment. Variational mode decomposition (VMD) and neural networks have gained widespread attention in the field of bearing fault diagnosis due to their powerful feature extraction and feature learning capacity. However, past methods usually utilize experiential knowledge to determine the key parameters in the VMD and neural networks, such as the penalty factor, the smooth factor, and so on, so that generates a poor diagnostic result. To address this problem, an Adaptive Variational Mode Decomposition (AVMD) is proposed to obtain better features to construct the fault feature matrix and Sparrow probabilistic neural network (SPNN) is constructed for rolling bearing fault diagnosis. Firstly, the unknown parameters of VMD are estimated by using the genetic algorithm (GA), then the suitable features such as kurtosis and singular value entropy are extracted by automatically adjusting the parameters of VMD. Furthermore, a probabilistic neural network (PNN) is used for bearing fault diagnosis. Meanwhile, embedding the sparrow search algorithm (SSA) into PNN to obtain the optimal smoothing factor. Finally, the proposed method is tested and evaluated on a public bearing dataset and bearing tests. The results demonstrate that the proposed method can extract suitable features and achieve high diagnostic accuracy.

2

A diagnostic algorithm diagnosing the failure of railway signal equipment

Wu Yongcheng, Cao Dejin

Diagnostyka

|

2021

|

Vol. 22, No. 4

33--38

EN

Failure of railway signal equipment can cause an impact on its normal operation, and it is necessary to make a timely diagnosis of the failure. In this study, the data of a railway bureau from 2016 to 2020 were studied as an example. Firstly, denoising and feature extraction were performed on the data; then the Adaptive Comprehensive Oversampling (ADASYN) method was used to synthesize minority class samples; finally, three algorithms, back-propagation neural network (BPNN), support vector machine (SVM) and C4.5 algorithms, were used for failure diagnosis. It was found that the three algorithms performed poorly in diagnosing the original data but performed significantly better in diagnosing the synthesized samples, among which the BPNN algorithm had the best performance. The average precision, recall rate and F1 score of the BPNN algorithm were 0.94, 0.92 and 0.93, respectively. The results verify the effectiveness of the BPNN algorithm for failure diagnosis, and the algorithm can be further promoted and applied in practice.

3

Awaryjność ścianowych kombajnów węglowych na przykładzie KSW-475-/BP i KSW-460/NZ

Profaska M., Bielak M.

Systemy Wspomagania w Inżynierii Produkcji

|

2016

|

z. 2 (14)

278--286

PL

W publikacji przedstawiono uszkodzenia ścianowych kombajnów węglowych KSW 475/2BP oraz KSW-460/NZ pracujących w porównywalnych warunkach górniczo-geologicznych. Podjęto problematykę związaną z uszkodzeniami mechanicznymi oraz awariami układu hydraulicznego, najciekawsze z nich zostały przeanalizowane szczegółowo. Analizie poddane zostaną również sposoby diagnozowania, usuwania oraz przyczyny powstawania awarii.

EN

This article presents damages of longwall coal shearers: KSW 475/2BP and KSW-460/NZ working in comparable geological and mining conditions. The following paper reports issue of mechanical failures and hydraulic system problems, the most interesting of them were elaborated. What was also analyzed were methods of diagnosing and troubleshooting and the causes of failures.

4

Difference spectrum as a measure of the state of wear of the exhaust valve

Górnicka D.

Diagnostyka

|

2016

|

Vol. 17, No. 4

59--64

EN

The article presents an algorithm of diagnosing damages to the exhaust valve of the combustion engine. The process of obtaining a symptom as a difference spectrum takes into account time selection, which allows to reduce significantly the calculations necessary to obtain a measure of malfunction. As a result, we obtain a simple measure not requiring special conditions of object work and insensitive to simultaneously occurring valve clearance which is inappropriately set. Thus, we obtain a measure easy to use in diagnostics in real time.

PL

W artykule przedstawiono algorytm diagnozowania uszkodzeń zaworu wylotowego silnika spalinowego. Proces pozyskania symptomu w postaci widma różnicowego uwzględnia selekcję czasową, co pozwala znacznie ograniczyć obliczenia niezbędne do otrzymania miary niesprawności. W efekcie otrzymujemy miarę prostą, niewrażliwą na równolegle występujący nieprawidłowo ustawiony luz zaworowy i nie wymagającą specjalnych warunków pracy obiektu. Tym samym otrzymujemy miarę łatwą do wykorzystania w diagnostyce w czasie rzeczywistym.

5

Badanie wrażliwości wibroakustycznej symptomów mechanicznych uszkodzeń silników spalinowych

Górnicka D.

Zeszyty Naukowe Akademii Marynarki Wojennej

|

2011

|

R. 52 nr 1 (184)

45-50

PL

Artykuł zawiera wyniki analizy jakościowej sygnału wibroakustycznego generowanego przez silnik spalinowy w różnych stadiach uszkodzeń jego elementów mechanicznych. Celem opisywanej analizy było sprawdzenie podatności wibroakustycznej symptomów diagnostycznych na symulowane uszkodzenia mechaniczne. Badania przeprowadzono na znacząco różnych obiektach (przebieg, wiek, stan eksploatacyjny). Porównano wrażliwość i selektywność wybranych symptomów diagnostycznych w przypadku ewolucji uszkodzenia, jak również przy zmianie warunków pomiaru.

EN

The paper contains the results of qualitative analysis of vibroacoustic signal generated by a combustion engine in different stages of mechanical damage. The main goal of the analysis described was to examine the vibroacoustic sensitivity of diagnostic symptoms to simulated mechanical damage. The research was realized on significantly differing engines (mileage, operational state, year of production). Sensitivity and selectivity of diagnostic symptoms were compared for both the damage evolution and the changed measurement conditions.