Wyniki wyszukiwania - BazTech

1

Predicting the peak particle velocity from rock blasting operations using Bayesian approach

Aladejare Adeyemi Emman, Lawal Abiodun Ismail, Onifade Moshood

Acta Geophysica

|

2022

|

Vol. 70, no 2

581--591

EN

Measuring the blast-induced ground vibration at blasting sites is very important, to plan and avoid adverse effects of blasting in terms of the peak particle velocity (PPV). However, the measurement of PPV often requires time, cost, and logistic commitment, which may not be economical for small-scale mining operations. This has prompted the development of numerous regression equations in the literature to estimate PPV from a relatively easier to estimate scaled distance (SD) measurement. With numerous regression equations available in the literature, there is a challenge of how to select the appropriate model for a specific blasting site, more so that rocks behave differently from site to site because of different geological processes that rocks are subjected to. This study develops a method that selects appropriate models for specific blasting sites by comparing the evidence and occurrence probability of different regression models. The appropriate model is the model with the highest evidence and occurrence probability given the available blasting site SD data. The selected model is then integrated with prior knowledge and available blasting SD data in Bayesian framework for probabilistic characterization of PPV. The SD and PPV data at the opencast coal mine, Jharia coalfield in the Dhanbad district of Jharkhand, India, is used to illustrate and validate the approach. The mean and standard deviation of simulated PPV samples from the proposed approach are 12.38 mm/s and 7.36 mm/s, respectively, which are close to the mean of 12.03 mm/s and standard deviation of 9.24 mm/s estimated from the measured PPV at the site. In addition, the probability distribution of the simulated PPV samples is consistent with the probability distribution of the measured PPV at the blasting site.

2

Dynamic condition-based maintenance policy for degrading systems described by a random-coefficient autoregressive model: A comparative study

Tang D., Sheng W., Yu J.

Eksploatacja i Niezawodność

|

2018

|

Vol. 20, no. 4

590--601

EN

In this paper, we optimize a dynamic condition-based maintenance policy for a slowly degrading system subject to soft failure and condition monitoring at equidistant, discrete time epochs. A random-coefficient autoregressive model with time effect is developed to describe the system degradation. The system age, previous state observations, and the item-to-item variability of the degradation are jointly combined in the proposed degradation model. Stochastic behavior for both the age-dependent and the state dependent term are considered, and a Bayesian approach for periodically updating the estimates of the stochastic coefficients is developed to combine information from a degradation database with real-time condition-monitoring information. Based on this degradation model, the dynamic maintenance policy is formulated and solved in a semi-Markov decision process framework. Incorporated with the same semi-Markov decision process framework is a novel approach for mean residual life estimation, which enables simultaneous residual life estimation with the optimization procedure. The effectiveness of using the proposed random coefficient autoregressive model with time effect rather than the existing fixed-coefficient ones to describe system degradation is demonstrated through a comparative study based on a real degradation dataset. The advantages of using a dynamic maintenance policy are also revealed.

PL

W prezentowanej pracy dokonano optymalizacji dynamicznej, uwzględniającej stan techniczny obiektu strategii utrzymania ruchu dla wolno ulegającego degradacji systemu monitorowanego w równoodległych dyskretnych chwilach czasu (epokach) pod względem uszkodzeń parametrycznych oraz stanu technicznego. Do opisu degradacji systemu opracowano model autoregresyjny z parametrami losowymi uwzględniający wpływ czasu. Proponowany model degradacji bierze pod uwagę zarówno wiek systemu jak i wcześniejsze obserwacje stanu oraz zmienność degradacji pomiędzy obiektami. Rozważano zachowanie stochastyczne zarówno składnika zależnego od wieku jak i składnika zależnego od stanu; opracowano bayesowską metodę okresowej aktualizacji oszacowań współczynników stochastycznych, która pozwala łączyć informacje z bazy danych o degradacji z informacjami z monitorowania stanu w czasie rzeczywistym. W oparciu o otrzymany model degradacji, sformułowano dynamiczną politykę utrzymania ruchu; problem optymalizacji tej polityki rozwiązywano w ramach procesu decyzyjnego semi-Markowa. Do procesu decyzyjnego włączono nowatorską metodę obliczania trwałości resztkowej, co umożliwiło ocenę trwałości resztkowej jednocześnie z przeprowadzeniem procedury optymalizacyjnej. Skuteczność wykorzystania proponowanego modelu autoregresyjnego do opisu degradacji systemu porównywano ze skutecznością dotychczasowych modeli z parametrami stałymi w badaniu opartym na rzeczywistym zbiorze danych o degradacji. Wskazano również zalety stosowania proponowanej dynamicznej strategii utrzymania ruchu.

3

Estimation of stochastic traffic capacity using extreme value theory and censoring: a case study in Salem, New Hampshire

Laflamme E. M., Ossenbruggen P. J.

Archives of Transport

|

2018

|

Vol. 48, iss. 4

61--75

EN

In this work, we introduce a method of estimating stochastic freeway capacity using elements of both extreme value theory and survival analysis. First, we define capacity data, or estimates of the capacity of the roadway, as the daily maximum flow values. Then, under a survival analysis premise, we introduce censoring into our definition. That is, on days when flows are sufficiently high and congestion occurs, corresponding flow maxima are considered true estimates of capacity; otherwise, for those days that do not observe high flows or congestion, flow maxima are deemed censored observations and capacities must be higher than the observations. By extreme value theory, the collection of flow maxima (block maxima) can be appropriately approximated with a generalized extreme value (GEV) distribution. Because of small sample sizes and the presence of censoring, a Bayesian framework is pursued for model fitting and parameter estimation. To lend credence to our proposed methodology, the procedure is applied to real-world traffic stream data collected by the New Hampshire Department of Transportation (NHDOT) at a busy location on Interstate I-93 near Salem, New Hampshire. Data were collected over a period of 11 months and raw data were aggregated into 15-minute intervals. To assess our procedure, and to provide proof of concept, several validation procedures are presented. First, using distinct training and validation subsets of our data, the procedure yields accurate predictions of highway capacity. Next, our procedure is applied to a training set to yield random capacities which are then used to predict breakdown in the validation set. The frequency of these predicted breakdowns is found to be statistically similar to observed breakdowns observed in our validation set. Lastly, after comparing our methodology to other methods of stochastic capacity estimation, we find our procedure to be highly successful.

4

Bayesian neural networks and Gaussian processes in identification of concrete properties

Słoński M.

Computer Assisted Mechanics and Engineering Sciences

|

2011

|

Vol. 18, no. 4

291-302

EN

This paper gives a concise overview of concrete properties prediction using advanced nonlinear regression approach and Bayesian inference. Feed-forward layered neural network (FLNN) with Markov chain Monte Carlo stochastic sampling and Gaussian process (GP) with maximum likelihood hyperparameters estimation are introduced and compared. An empirical assessment of these two models using two benchmark problems are presented. Results on these benchmark datasets show that Bayesian neural networks and Gaussian processes have rather similar prediction accuracy and are superior in comparison to linear regression model.

5

An improved Neural Kalman Filtering Algorithm in the analysis of cyclic behaviour of concrete specimens

Krok A.

Computer Assisted Mechanics and Engineering Sciences

|

2011

|

Vol. 18, no. 4

275-282

EN

The article is related to the results of research on Node Decoupled Extended Kalman Filtering (NDEKF) as a learning method for the training of Multilayer Perceptron (MPL). Developments of this method made by the author are presented. The application of NDEKF and MPL and other methods (pruning of MLP, Gauss Process model calibrated by Genetic Algorithm and Bayesian learning methods) are discussed on the problem of hysteresis loop simulations for tests of compressed concrete specimens subjected to cyclic loading.

6

Ocena wzrostu niezawodności w bezzałogowym statku latającym podczas kolejnych faz badania w locie

Yu Y., Cui W., Song B., Wang S.

Eksploatacja i Niezawodność

|

2010

|

nr 2

43-47

PL

Samoloty muszą być testowane w locie podczas procesu ich opracowywania i dla zapewnienia niezawodności powinny przejść, podczas faz badania w locie, proces wzrostu niezawodności obejmujący kolejne etapy: testowania, poszukiwania ukrytego uszkodzenia, udoskonalania i ponownego testowania. Jednakże z powodu złożonej budowy samolotów i wysokich kosztów badań w locie, badania wzrostu niezawodności z reguły przeprowadza się na małych próbkach. Trudno jest zatem ocenić wzrost niezawodności w kolejnych fazach badań w locie. W niniejszej pracy do estymacji wzrostu niezawodności zastosowano metodę bayesowską dla dwumianowego wzrostu niezawodności opartą na rozkładzie a priori Dirichleta oraz obliczono parametry rozkładu a posteriori wykorzystując metodę symulacji Markov-Chain Monte Carlo. Metodę zastosowano w kolejnych fazach badań w locie bezzałogowego statku latającego (Unmanned Aerial Vehicle), a użyty przykład pokazuje, iż metoda oparta na rozkładzie a priori Dirichleta może skrócić czas badań w locie. Parametry rozkładu a priori łatwo jest potwierdzić na podstawie uprzednio znanych informacji. Proponowana metoda nadaje się do oceny badań wzrostu niezawodności podczas kolejnych etapów badań w locie.

EN

It is necessary for airplanes to be fl ight-tested during the development process, and they should pass the testing/failurefi nding/improvement/re-testing reliability growth process during the fl ight-testing phases to ensure its reliability. However, due to airplane complexity and the high costs of fl ight-testing, the reliability growth testing is usually done with small samples. It is thus diffi cult to estimate the reliability growth during the fl ight-testing phases. In this paper, Bayesian method for binomial reliability growth based on the Dirichlet prior distribution is applied to reliability growth estimation, and the parameters of the posterior distribution are calculated by using the simulation method of Markov-Chain Monte Carlo. The method is applied to the Unmanned Aerial Vehicle test fl ight phases, and the example shows that the method based on the Dirichlet prior distribution can save the fl ight-testing time. It is easy to confi rm the parameters of the prior distribution by using the prior information. The proposed method is suitable for reliability growth testing estimation during fl ight-testing stages.

7

Komputerowe wspomaganie identyfikacji procesów

Kasprzyk J.

Zeszyty Naukowe. Automatyka / Politechnika Śląska

|

2006

|

z. 142

3-181

PL

Identyfikacja procesów polega na tworzeniu modeli matematycznych opisujących właściwości tych procesów na podstawie posiadanej wiedzy a priori oraz pomiarów sygnałów zebranych w trakcie doświadczeń identyfikacyjnych. Praktyczne stosowanie identyfikacji wymaga dostępy do odpowiedniego oprogramowania oraz pewnych umiejętności wynikających z doświadczenia i wiedzy na temat zasad wnioskowania. Tematem pracy jest analiza problemu komputerowego wspomagania podczas wykonywania procedury identyfikacji, w szczególności dyskusja zadań i praktycznych możliwości implementacji takiego systemu, w tym także ograniczeń, na jakie można napotkać w trakcie jego stosowania. Na ogół można oddzielić etap identyfikacji procesu od etapu stosowania modelu. Na etapie identyfikacji wykonywany jest eksperyment identyfikacyjny, podczas którego obiekt poddawany jest pobudzeniu, jeśli to możliwe, to w sposób specjalnie zaprojektowany dla celów identyfikacji, a zachowanie procesu jest obserwowane. Etap ten ten kończy się skonstruowaniem modelu matematycznego, który w zwięzły sposób opisuje zachowanie procesu w czasie eksperymentu. Opis taki powinien być reprezentatywny, tj. obowiązywać także na etapie stosowania i być odpowiedni do postawionego celu. W procedurze identyfikacji można wyróżnić następujące etapy: wykonanie eksperymentu, przyjęcie struktury modelu, estymacja modelu zgodnie z wybranym kryterium aproksymacji, testowanie otrzymanego modelu. Jeżeli wynik identyfikacji nie spełnia wymagań, to należy poprawić strukturę modelu i powtórzyć procedurę od kroku drugiego, aż do uzyskania odpowiednich wyników. Istotę identyfikacji można przedstawić w ujęciu probabilistycznym, opartym na wzorze Bayesa. Podejście takie pozwala na przedstawienie spójnej teorii identyfikacji procesów opartej na wnioskowaniu statystycznym, ale ze względu na trudności obliczeniowe ma głównie znaczenie teoretyczne. Ponieważ w pracy główny nacisk został położony na praktyczne aspekty identyfikacji, stąd wykorzystuje się tu raczej opis w postaci modelu stochastycznego, w którym niepewność jest przedstawiona za pomocą tzw. innowacji, będących elementarnymi zmiennymi losowymi o zadanym rozkładzie prawdopodobieństwa. W takim przypadku stosuje się estymator największej wiarygodności ze względu na dobre własności asymptotyczne i umiarkowane wymagania obliczeniowe. Podejście to jest szczególnie wygodne dla celów predykcji, sterowania czy symulacji. Warunkiem uzyskania modelu obiektu niezależnie od sposobu obudzenia jest tu rozdzielność obiektu od źródła tego pobudzenia. Przedstawione w pracy rozważania teoretyczne ilustrowane są przykładem identyfikacji rzeczywistego obiektu elektroakustycznego, którego model jest potrzebny do prawidłowej parametryzacji układu aktywnego tłumienia hałasu (ATH). Obiekty tego typu są szczególnie trudne do identyfikacji, gdyż cechują się bardzo złożoną dynamiką. Końcowy wynik identyfikacji zależy od sposobu wykonania doświadczenia identyfikacyjnego. Aby móc poprawnie wnioskować na podstawie uzyskanych danych muszą być spełnione dwa podstawowe wymagania: obiekt musi być odpowiednio pobudzony oraz spełniony musi być warunek powtarzalności. Planowanie doświadczenia obejmuje także określenie wielkości mających aspekt bardziej techniczny, takich jak sprzężenie procesu i komputera, wybór okresu próbkowania czy sygnału pobudzającego. Ponieważ planowanie eksperymentu stanowi ten element procedury identyfikacji, który zależy silnie od indywidualnych cech badanego procesu oraz celu, dla którego wykonuje się identyfikację, stąd wspomaganie użytkownika w tym względzie sprowadza się głównie do dostarczenia mu zestawu porad, w jaki sposób należy prawidłowo eksperyment wykonać. Część z przedstawionych warunków stanowią założenia, których nie da się zweryfikować na drodze testowania. Jednak niektóre z nich mogą być testowane i dlatego przedstawiono przykłady testów zalecanych do wykonania po zebraniu danych. Ponieważ na ogół dane surowe nie powinny być stosowane do celów identyfikacji, lecz powinny postać odpowiednio przygotowane, stąd przedstawiono także propozycje wspomagania w tym zakresie. Projektowanie systemu komputerowego wspomagania identyfikacji stwarza nowe możliwości, ale niesie także ze sobą niebezpieczeństwo powstania pewnych pułapek. Dotyczy to zarówno twórców takich systemów, jak i użytkowników. Stąd w ramach podsumowania mówiono perspektywy i możliwe zagrożenia w rozwijaniu oraz stosowaniu systemów komputerowego wspomagania identyfikacji.

EN

Process identification consists in mathematical models building that describe features of these processes on the basis of a priori information and signals measured during identification experiments. Practical application of identification involves access to suitable software. Nevertheless, some skills coming from experience and knowledge about principles of inference are also needed. The main goal of this work is to analyse the prospects in computer aided identification, especially discussion on tasks and opportunities in implementation of such systems, as well as constrains that can be met during usage of them. Generally, one can distinguish two stages: process identification and model application. At the first stage identification experiment is performed - the process is stimulated, if possible in the manner specially designed for identification purposes, and its behavior is observed. At the end of the stage it is expected to obtain a mathematical model describing process behaviour. This description ought to be representative, i.e. it should be valid at the application stage and it should be suitable for the purpose of identification. In identification procedure one can distinguish the following stages: carrying out the experiment, settling the model structure, estimating the model according to chosen approximation criterion, testing the model. If the result of identification does not fulfil the requirements then the model structure should be improved and the procedure repeated from the second stage, until adequate results are obtained. The essence of identification can be expressed in probabilistic terms, coming from the Bayes' formula. This approach allows to present the coherent theory of process identification based on the statistical inference. However, due to computational difficulties, it has only theoretical significance. Here emphasis is put on practical aspects of identification, therefore description in the form of a stochastic model is preferred, in which uncertainty is presented as so called innovations, being elementary random variables with given distribution. In this case maximum likelihood estimator is applied because of its good asymptotic properties and moderate computational requirements. This approach is especially convenient for prediction, control and simulation. To obtain a model of the process alone, independently on how it was stimulated, process and source of stimulation must be separable. Theoretical considerations presented in the monograph are illustrated by an example of a real-world electro-acoustic plant identification. The model of the plant is necessary for proper parameterization of active noise control (ANC) system. Such plants are very difficult to identification because their dynamics is very complicated. The final result of identification depends essentially on how the experiment was performed. To infer properly from experimental data, two basic requirements have to be satisfied: process should be sufficiently stimulated and the experiment must be reproducible. Planning the experiment includes also determination of technical quantities, like process-computer interface, choice of the sampling interval or the stimulation signal. Because planning the experiment is the stage in identification procedure that depends strictly on individual features of the process and on the purpose, thus computer assistance in this case is confined only to provide a set of advices for proper experimentation. Some of presented conditions are assumptions that can not be tested. But some of them can be tested and examples of such tests have been proposed to be performed after data collection. Generally, crude data should not be used directly for identification, therefore computer aided in data preparation has been also discussed. Designing the system for computer aided identification creates new opportunities, but it may lead also to some pitfalls. This conclusion concerns designers as well as users of these systems. Therefore, as the recapitulation, some conclusions are drawn about prospects and potential risks during evolving and using computer aided identification.

8

Two-dimensional optimization of Bayesian algorithms with bandlimited basis functions

Chlewicki W., Brykalski A.

Biocybernetics and Biomedical Engineering

|

2006

|

Vol. 26, no. 3

15-32

EN

This paper describes implementation of controlled random search procedure employed to optimize and evaluate Bayesian image reconstructions algorithms with bandlimited basis functions. Median root prior (MRP) and its generalizations, i.e. the L-filter and hybrid MRP were optimized and compared to the Huber penalty. The coefficient controlling amount/weight of the penalty and parameter controlling width ofthe bandlimited basis functions were optimized for different amounts of noise in the data. The reconstruction methods were accelerated using ordered subsets principle. Taking into account quantitative accuracy of the reconstructions, basic MRP with bandlimited basis functions is a practical altemative to the L-filter or hybrid MRP.

9

Zarys algorytmu wyznaczania wskaźników eksploatacyjnych z doświadczenia

Kaleta R.

Zeszyty Naukowe / Akademia Morska w Szczecinie

|

2004

|

nr 1 (73)

269-278

PL

Zaprezentowano metodę wyznaczania wskaźników eksploatacyjnych z doświadczenia. Dokonano klasyfikacji wskaźników eksploatacyjnych. Przedstawiono metodę prezentacji wskaźników eksploatacyjnych z jednoczesną oceną tendencji ich zmian. Podano zasady zwiększania dokładności wskaźników eksploatacyjnych w miarę napływu informacji bieżącej oraz przykłady wyznaczania wskaźników funkcyjnych. Sformułowano wnioski.

EN

A method of determining reliability rates from real life experience has been presented in this paper. Then, reliability rates have been classified. Besides, a method of presentation of reliability rates together with the evaluation of the tendency of their changes has also been put forward. Some principles of increasing the accuracy of reliability rates in accordance with current information havebeen given. There is also an example of how to determine function rates. Finally, the author has formulated conclusions.

10

Wybrane problemy diagnostyki z wykorzystaniem metod bayesowskich

Jaźwiński J., Grabski F.

Biuletyn Wojskowej Akademii Technicznej

|

2004

|

Vol. 53, nr 5

19-31

PL

W latach 1996-1999 realizowany był grant pod kierownictwem profesora Franciszka Grabskiego nt. "Estymacja bayesowska parametrów i charakterystyk niezawodności na przykładzie systemu transportu lotniczego i morskiego" (nr OT 00A03412). Niektóre wyniki uzyskane w grancie zostały opublikowane w książce: "Metody bayesowskie w niezawodności i diagnostyce", WKiŁ, Warszawa 2001. Niniejsza publikacja ujmuje niektóre problemy z tej książki. W pracy sformułowano pojęcia takie jak: stan obiektu, stan awaryjny, czas ekspozycji, współczynnik pokrycia. Pojęcia te charakteryzują obiekt podlegający diagnozie. Następnie rozważono problemy rozpoznania i ich charakterystyki. Sformułowano pojęcie klasy. Rozważono diagnostykę logiczną i wskazano na zbieżność diagnoz z pojęciem klas. Do wyznaczenia przynależności do klas zastosowano metody bayesowskie.

EN

ln the 1996-1999 under leadership of prof. Franciszek Grabski has been realised the grant named "Bayesian estimation of reliability parameters and characteristics on the example air and sea systems of transport". Some of the results obtained in the grant were published in the book " Bayesian methods in reliability and diagnosis". The presented here publication contains some of the problems from that book. In the work such concepts like: the state of an object, the state of break down, exposure time, factor of covering are defined. These concepts describe an object under diagnosis. The problems of recognition and their characteristics were considered also. The concept of a class was formulated The logic diagnosis was considered and the concurrence of diagnosis with the concept of the class were shown. The Bayesian methods for determining the collocation with the class were applied.