Wyniki wyszukiwania - BazTech

1

Zastosowanie wnioskowania bayesowskiego w procesie diagnozowania systemów sterowania ruchem kolejowym

Nowakowski Waldemar

Zeszyty Naukowo-Techniczne Stowarzyszenia Inżynierów i Techników Komunikacji w Krakowie. Seria: Materiały Konferencyjne

|

2019

|

Nr 2(119)

159--168

PL

Systemy sterowania ruchem kolejowym odgrywają istotne znaczenie w zapewnieniu bezpieczeństwa przemieszczania osób i przewozu ładunków. Bardzo duża ilość urządzeń i systemów sterowania ruchem kolejowym, a także fakt, że wykonane są one w różnej technologii powoduje istotne utrudnienie w zapewnieniu, przez zarządcę infrastruktury kolejowej, wymaganego poziomu niezawodności. Konieczne jest więc wspieranie procesu ich utrzymania z użyciem metod diagnostyki technicznej. Oprogramowanie diagnostyczne CUiD przeznaczone jest głównie dla rozwiązań technicznych konkretnych producentów systemów sterowania ruchem kolejowym. Dlatego też autor artykułu zaproponował uniwersalną metodę diagnostyczną wykorzystującą wnioskowanie bayesowskie. Bazując na tej metodzie oraz protokole SNMP opracowano oprogramowanie komputerowe, które następnie użyto do diagnozowania uszkodzeń systemu SSP.

EN

Railway traffic control systems are essential to ensure the safety of passengers and freight transport. The very large number of controlling devices and systems, but also the fact that they are made in different technologies make it very difficult for the infrastructure manager to ensure the required level of reliability. Therefore, it is necessary to support the process of their maintenance with support of the application of technical diagnostic methods. The software M&DC is created mainly for technical solutions of specific manufacturers of railway traffic control systems. Therefore, the author of the article proposed a universal diagnostic method based on Bayesian inference. On the basis of this method and the SNMP protocol, computer software was developed, which is used to diagnose faults in the LCPS.

2

Residual life prediction for highly reliable products with prior accelerated degradation data

Wang H.-W., Teng K.-N.

Eksploatacja i Niezawodność

|

2016

|

Vol. 18, no. 3

379--389

EN

To precisely predict the residual life for functioning products is a key of carrying out condition based maintenance. For highly reliable products, it is difficult to obtain abundant degradation data to precisely predict the residual life under normal stress levels. Thus, how to make use of historical degradation data to improve the accuracy of the residual life prediction is an interesting issue. Accelerated degradation testing, which has been widely used to evaluate the reliability of highly reliable products, can provide abundant accelerated degradation data. In this paper, a residual life prediction method based on Bayesian inference that takes accelerated degradation data as prior information was studied. A Wiener process with a time function was used to model degradation data. In order to apply the random effects of all the parameters of a Wiener process, the non-conjugate prior distributions were considered. Acceleration factors were introduced to convert the parameter estimates from accelerated stress levels to normal stress levels, so that the proper prior distribution types of the random parameters can be selected by the Anderson-Darling statistic. A Markov Chain Monte Carlo method with Gibbs sampling was used to evaluate the posterior means of the random parameters. An illustrative example of self-regulating heating cable was utilized to validate the proposed method.

PL

Precyzyjne przewidywanie trwałości resztkowej użytkowanego produktu stanowi klucz do prawidłowego utrzymania ruchu w oparciu o bieżący stan techniczny (condition-based maintenance).W przypadku produktów o wysokiej niezawodności, trudno jest uzyskać ilość danych degradacyjnych, która umożliwiałaby precyzyjne prognozowanie trwałości resztkowej przy normalnym poziomie obciążeń. Dlatego też bardzo ważnym zagadnieniem jest wykorzystanie historycznych danych degradacyjnych umożliwiających zwiększenie trafności prognozowania trwałości resztkowej. Przyspieszone badania degradacyjne, które powszechnie wykorzystuje się do oceny niezawodności wysoce niezawodnych produktów, mogą dostarczać bogatych danych o przyspieszonej degradacji. W przedstawionej pracy badano metodę prognozowania trwałości resztkowej opartą na wnioskowaniu bayesowskim, w którym jako uprzednie informacje wykorzystano dane z przyspieszonych badań degradacji. Dane degradacyjne modelowano za pomocą procesu Wienera z funkcją czasu. Aby móc zastosować efekty losowe wszystkich parametrów procesu Wienera, rozważano niesprzężone rozkłady a priori. Wprowadzono współczynniki przyspieszenia , które pozwoliły na przekształcenie szacowanych wartości parametrów z poziomu obciążeństosowanych w próbie przyspieszonej do poziomu obciążeń normalnych, co umożliwiło wybór odpowiednich typów parametrów losowych rozkładu a priori zwykorzystaniem statystyki testowej Andersona-Darlinga. Metodę Monte Carlo opartą na łańcuchach Markowa z próbnikiem Gibbsa wykorzystano do oceny średnich a posteriori parametrów losowych. Proponowaną metodę zweryfikowano na postawie przykładu samoregulującego przewodu grzejnego.

3

Zastosowanie metod bayesowskich do prognozowania temperatury stali w kadzi odlewniczej i kadzi pośredniej

Miczka M.

Prace Instytutu Metalurgii Żelaza

|

2015

|

T. 67, nr 2

58--64

PL

W artykule przedstawiono podstawy metodyczne dla prognozowania i analizy ryzyka procesu produkcyjnego w hutnictwie żelaza i stali, ze szczególnym uwzględnieniem prognozowania temperatury w różnych fazach procesu stalowniczego. Metodyka oparta jest na reprezentacji systemu dynamicznego w przestrzeni stanu oraz wnioskowaniu bayesowskim. Pozwala to przede wszystkim uchylić założenie o stałości szacowanych parametrów, prowadzić analizę dla całości rozkładu statystycznego oraz uwzględnić tzw. informację a priori czyli pochodzącą spoza zbioru danych. Praca ma charakter przeglądowy i stanowi podstawę do dalszych badań, których ostatecznym celem jest wdrożenie systemu prognozowania i analizy ryzyka w jednej z polskich stalowni, a następnie opracowanie podobnych rozwiązań dla przypadku innych faz procesu hutniczego. Zaprezentowano zakres informacji na który zgodę wyraziło kierownictwo przedsiębiorstwa.

EN

The article presents the methodological basis for forecasting and risk analysis of the production process in the iron and steel industry, with particular emphasis on forecasting temperatures in the different stages of the steelmaking process. The methodology is based on the state space representation of a dynamic system and Bayesian inference. Above all it enables repeal the assumption of a constant estimated parameters, analyze the statistical distribution of the whole and take into account the so-called a priori information, from outside the dataset. Article is a review and provides a basis for further research, with the ultimate goal to implement a system for forecasting and risk analysis in one of the Polish steel mill, and then develop similar solutions for other phases of the metallurgical process. Presented range of information on which business executives expressed consent.

4

The advantages of bayesian methods over classical methods in the context of credible intervals

Grzenda W.

Information Systems in Management

|

2015

|

Vol. 4, No. 1

53--63

EN

The growing computational power of modern computer systems enables the efficient execution of algorithms. This is particularly important in Bayesian statistics, in which, nowadays, the key role is played by Markov Chain Monte Carlo methods. The primary objective of this work is to show the benefits arising from the use of Bayesian inference, especially confidence intervals in the context of logistic regression. The empirical analysis is based on "Household budgets" survey of Central Statistical Office. In this paper the unemployment among people over 55 will be investigated.

5

Application of Monte Carlo filter for computer vision-based Bayesian updating of finite element model

Tekieli M., Słoński M.

Mechanics and Control

|

2013

|

Vol. 32, no. 4

171--177

EN

In this paper we describe Bayesian inference-based approach to the solution of parametric identification problem in the context of updating of a finite element model of a structure. The proposed inverse solution is based on Monte Carlo filter and on the comparison of structure displacements extracted using digital image correlation method during a quasi-static loading and the corresponding displacements predicted by finite element method program. Our approach is applied to the problem of material model parameter identification of an aluminum laboratory-scale frame. The results are also verified by comparing the Monte Carlo filter-based solution with the analytical solution obtained using Kalman filter.

PL

Artykuł przedstawia zastosowanie podejścia opartego na wnioskowaniu bayesowskim do problemu identyfikacji parametrycznej w kontekście strojenia modelu MES konstrukcji. Proponowane rozwiązanie odwrotne opiera się na filtrze Monte Carlo oraz porównaniu przemieszczeń konstrukcji otrzymanych metodą korelacji obrazów cyfrowych podczas quasi statycznej próby obciążeniowej i odpowiadających im przemieszczeń przewidywanych przez program oparty na metodzie elementów skończonych. Nasze podejście zostało zastosowane do identyfikacji parametru modelu materiału aluminiowej ramki laboratoryjnej. Otrzymane wyniki porównano z wynikami otrzymanymi za pomocą filtru Kalmana.

6

Empirical Bayesian averaging method and its application to noise reduction in ECG signal

Momot A., Momot M., Łęski J.

Journal of Medical Informatics & Technologies

|

2006

|

Vol. 10

93--101

EN

An electrocardiogram (ECG) is the prime tool in non-invasive cardiac electrophysiology and has a prime function in the screening and diagnosis of cardiovascular diseases. However one of the greatest problems is that usually recording an electrical activity of the heart is performed in the presence of noise. The paper presents empirical Bayesian approach to problem of signal averaging which is commonly used to extract a useful signal distorted by a noise. The averaging is especially useful for biomedical signal such as ECG signal, where the spectra of the signal and noise significantly overlap. In reality the variability of noise can be observed, with power from cycle to cycle, which is motivation for weighted averaging methods usage. It is demonstrated that by exploiting a probabilistic Bayesian learning framework, it can be derived accurate prediction models offering significant additional advantage, namely automatic estimation of 'nuisance' parameters. Performance of the new method is experimentally compared to the traditional averaging by using arithmetic mean and weighted averaging method based on criterion function minimization.

7

The Fuzzy Relevance Vector Machine and its application to noise reduction in ECG signal

Momot A., Momot M., Łęski J.

Journal of Medical Informatics & Technologies

|

2005

|

Vol. 9

99--105

EN

The paper presents new method called the Fuzzy Relevance Vector Machine (FRVM), a modification of the relevance vector machine, introduced by M. Tipping, applied to learning Takagi-Sugeno-Kang (TSK) fuzzy system. Moreover it describes application of the FRVM to noise reduction in ECG signal. The results of the process are compared to those obtained using both Least Squares method for learning output functions in TSK rules and commonly used method using a low-pass moving average filter.

8

Sparse Bayesian learning in classifying face feature vectors

Momot A., Kawulok M.

Journal of Medical Informatics & Technologies

|

2005

|

Vol. 9

151--158

EN

The Relevance Vector Machine (RVM), a Bayesian treatment of generalized linear model of identical functional form to the Support Vector Machine (SVM), is the recently developed machine learning framework capable of building simple models from large sets of candidate features. The paper describes the application of the RVM to a classification algorithm of face feature vectors, obtained by Eigenfaces method. Moreover, the results of the RVM classification are compared with those obtained by using both the Support Vector Machine method and the method based on the Euclidean distance.