Informacja o cookies

Zgadzam się Nasza strona zapisuje niewielkie pliki tekstowe, nazywane ciasteczkami (ang. cookies) na Twoim urządzeniu w celu lepszego dostosowania treści oraz dla celów statystycznych. Możesz wyłączyć możliwość ich zapisu, zmieniając ustawienia Twojej przeglądarki. Korzystanie z naszej strony bez zmiany ustawień oznacza zgodę na przechowywanie cookies w Twoim urządzeniu.

Publikacje Pracowników Politechniki Lubelskiej

Publikacje Pracowników PL z lat 1990-2010

Publikacje pracowników Politechniki Lubelskie z lat 1990-2010 dostępne są jak dotychczas w starej bazie publikacji
LINK DO STAREJ BAZY

Status:
Autorzy: Gajewski Jakub, Jonak Kamil
Rok wydania: 2014
Wersja dokumentu: Drukowana
Język: polski
Wolumen/Tom: 103
Strony: 67 - 68
Bazy: BazTech
Efekt badań statutowych NIE
Materiał konferencyjny: NIE
Publikacja OA: NIE
Abstrakty: polski | angielski
Sieci neuronowe są bardzo przydatnym i uniwersalnym narzędziem pozwalającym na klasyfikację danych eksperymentalnych.Sztuczne sieci neuronowe, zarówno klasyczne jak również rozmyte, stosowane są z powodzeniem do detekcji oraz klasyfikacji rodzaju uszkodzeń łożysk tocznych [1–3]. Łożyska należą do najczęściej uszkadzanych elementów maszyn wirujących.Są również generatorami drgań.Celem przedstawionych w artykule badań było wykazanie różnic w drganiach poszczególnych elementów kolejnych łożysk tocznych, dzięki czemu możliwe będzie przeprowadzenie przez sieć neuronową oceny stanu łożyska tocznego.Ocena prowadzona jest w oparciu o klasyfikację poszczególnych cech sygnałów drgań w trakcie pracy.Badania skupiły się na przeprowadzeniu dwóch eksperymentów dla trzech łożysk tocznych o takiej samej budowie, lecz innym stopniu zużycia. Pierwszym etapem badań było zebranie wyników badań eksperymentalnych.Wyznaczanymi wartościami były: przyspieszenie średnie drgań, wartość szczytowa przyspieszenia, prędkość oraz przemieszczenie drgań.Po uzyskaniu sygnałów zostały one poddane transformacie Fouriera, dzięki czemu możliwe było wyznaczanie częstotliwości charakterystycznych dla drgań poszczególnych elementów łożyska. Kolejnym etapem prowadzonych badań jest zastosowanie sztucznych sieci neuronowych do klasyfikacji stanu łożyska.Jako zmienne wejściowe zastosowano charakterystyczne amplitudy wybranych częstotliwości.Analizy oparto na modelu neuronowym perceptronu wielowarstwowego (MLP).
Neural networks are a very useful tool for the classification of experimental data.Bearings are among the most damaged parts of rotating machines.The article presents a proposal to assess bearing condition using an artificial neural network.For this purpose, three studies were performed for bearings with varied degree of wear.MLP neural network was applied to classification of bearing.