Zastosowanie sztucznych sieci neuronowych do klasyfikacji uszkodzeń układów biegowych pojazdów szynowych za pomocą sygnałów wibroakustycznych

• Autorzy: Dembski, J. , Jędruch, W.

Warianty tytułu

EN

Application the artificial neuron nets for classification the damages of running systems of raił vehicles by means of vibroacoustic signals

• Języki publikacji: PL

Abstrakty

PL

Praca przedstawia wyniki badań dotyczących możliwości wykorzystania sygnałów wibroakustycznych do określania (klasyfikacji) uszkodzeń układów biegowych pojazdów szynowych i stanowi kontynuację artykułu [2] w oparciu o nową serię pomiarów, jak też w oparciu o zastosowanie innych metod przetwarzania sygnałów pomiarowych.

EN

This work presents the results of the tests concerned the possibilities of application the vibroacoustic signals for determination ( classification ) the damages of running systems of rail vehicles and it makes the continuation of the article (2) basing on a new series of measurements, and also basing on the application other methods of transformation the measuring signals.

Słowa kluczowe

PL

klasyfikacja uszkodzeń układów biegowych; sztuczne sieci neuronowe

• Czasopismo: Pojazdy Szynowe
• Rocznik: 2001
• Tom: nr 1
• Strony: 20-28
• Opis fizyczny: Bibliogr. 13 poz., rys.

Twórcy

autor

Dembski, J.

• Politechnika Gdańska

autor

Jędruch, W.

• Politechnika Gdańska

Bibliografia

• [1] Bishop C.M., Neural Networks for Pattern Recognition, Clarendon Press, Oxford 1995.
• [2] Dembski J., Jędruch W., Metody uczenia się maszyn w diagnostyce układów biegowych pojazdów szynowych za pomocą sygnałów wibroakustycznych, Pojazdy Szynowe, Nr 3/2000, str. 4-15.
• [3] Durzyński Z., Diagnostyka układów biegowych pojazdów szynowych na bazie sygnałów wibroakustycznych, III Krajowa Konferencja Naukowo-Techniczna: Diagnostyka Procesów Przemysłowych, Jurata, 7-10 września, 1998, str. 355-360.
• [4] Durzyński Z., Stanowisko badawcze do diagnozowania układów biegowych za pomocą sygnałów wibroakustycznych, XIV Konferencja Naukowa: Pojazdy Szynowe 2000, Kraków, Arłamów, 9-13 październik 2000, str. 59- 70.
• [5] Fu K.S., Sequential Methods in Pattern Recognition and Machine Learning, Academic Press, New York and London 1968.
• [6] Hertz J., Krogh A., Palmer R., Wstęp do teorii obliczeń neuronowych, WNT, Warszawa 1995.
• [7] Jang J-S.R., Sun C-T., Mizutani E., Neuro-Fuzzy and Soft Computing, Prentice Hall, Upper Saddle River 1997.
• [8] Koza J., Genetic Programming, Bradford Books, Cambridge, Mass., 1992.
• [9] Niemann H.. Linear and Nonlinear Mapping of Patterns, Pattern Recognition, 1980, 12, (2), 83.
• [10] Sherrah J., Automatic Feature Extraction for Pattern Recognition, PhD. Thesis, Dept. of Electrical and Electronic Eng., Faculty of Engineering, The University of Adelaide, South Australia, 1998 .
• [11] Sienicki A., Model matematyczny układu: tor pomiarowy-wagon typu 415W, do diagnozowania uszkodzeń układów biegowych pojazdów szynowych, Pojazdy szynowe, Nr 3/2000, str. 53-58.
• [12] Sobczak W., Malina W., Metody selekcji i redukcji informacji, WNT, Warszawa 1985.
• [13] Żurada J., Barski M„ Jędruch W., Sztuczne sieci neuronowe, PWN, Warszawa 1996.