Bearing mechanical faults classifier based on artificial neural network
The result's identifiers
Result code in IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26620%2F21%3APR34493" target="_blank" >RIV/00216305:26620/21:PR34493 - isvavai.cz</a>
Result on the web
<a href="https://ai4di.ceitec.cz/vysledky/ann_bearing_fault_classifier" target="_blank" >https://ai4di.ceitec.cz/vysledky/ann_bearing_fault_classifier</a>
DOI - Digital Object Identifier
—
Alternative languages
Result language
angličtina
Original language name
Bearing mechanical faults classifier based on artificial neural network
Original language description
Software implementation of a neural network based on the multiplayer perceptron technique has been created in MATLAB environment. It serves for rolling elements bearing faults classification based on evaluation of the mechanical manifestation. Such quantities (vibration acceleration, ultrasonic and acoustic waves) are measured by appropriate sensors. Neural network has been trained and validated on the real data acquired on the bearing housing for healthy as well as several faulty states of the machine under constant operational conditions. Trained neural network can be easily implemented into microcontroller in the low-performance device, where classification function will be inferred.
Czech name
—
Czech description
—
Classification
Type
R - Software
CEP classification
—
OECD FORD branch
20204 - Robotics and automatic control
Result continuities
Project
<a href="/en/project/8A19001" target="_blank" >8A19001: Artificial Intelligence for Digitizing Industry</a><br>
Continuities
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)
Others
Publication year
2021
Confidentiality
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Data specific for result type
Internal product ID
ANN bearing fault classifier 1.0
Technical parameters
- Počet neuronů vstupní vrstvy (vstupních příznaků): 8 - Počet vnitřních vrstev: 1 - Počet neuronů výstupní vrstvy (výstupních tříd): 5 - Aktivační funkce: sigmoida - Paměťové nároky neuronové sítě: cca 1,2 kB - Přesnost klasifikace: až 99,6 %
Economical parameters
Klasifikátor mechanických poruch ložiska založený na umělé nerunové síti je prozatím využíván výhradně pro další výzkum a vývoj, komerční využití se zatím nepředpokládá.
Owner IČO
00216305
Owner name
Vysoké učení technické v Brně