Predikce a klasifikace zbytkové životnosti izolačního materiálu vinutí elektrických strojů pomocí neuronové sítě RBF.

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26210%2F04%3APU48314" target="_blank" >RIV/00216305:26210/04:PU48314 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

čeština

Název v původním jazyce

Predikce a klasifikace zbytkové životnosti izolačního materiálu vinutí elektrických strojů pomocí neuronové sítě RBF.

Popis výsledku v původním jazyce

Článek se zabývá využitím neuronové sítě RBF s radial basis transfer function pro predikci a klasifikaci stavu zbytkové životnosti izolačních materiálů Relanex vinutí elektrických strojů točivých. Neuronová síť jako prediktor je určena pro předpověď zbytkové životnosti izolačního materiálu v budoucnosti na základě hodnot naměřených na elektrickém stroji v minulosti. V těchto případech je výstupem neuronové sítě vždy číselná hodnota veličiny charakterizující stav zbytkové životnosti. Neuronovou síť RBF jje však možné využít i jako klasifikátor, kdy na základě nameřených vstupních dat neuronová síť například slovně určí zbytkovou životnost elektrického stroje, tedy klasifikuje jeho stav. Klasifikace neuronovou sítí tedy znamená určení stavu zbytkové životnosti do předem zvoleného počtu tříd charakterizující celkový stav izolačního materiálu elektrického stroje točivého. Příspěvek popisuje použité vstupní a výstupní veličiny, představuje vybranou neuronovou síť RBF a prostřednictvím prove

Název v anglickém jazyce

RBF Neural Network As a Diagnostic Tool for Insulting Materials of Electric Rotary Machine.

Popis výsledku anglicky

This contribution deals with neural network RBF with radial basis transfer function improvement for residual lifetime prediction and classification of insulating material Relanex which is used for electric rotary machines winding. This neural network isused for prediction of residual lifetime of insulating material to the future on the basis of measured values, which was measured on the electric machine in the former times. The output from neural network in this case is always a numeric value of magnittude characterizing the state of residual lifetime. The RBF neural network can be used as a classificator too, where in the base of measured input data the neural network verbally determine the residual lifetime for example and that means the neural network classified its state. The classification by neural network means to determine the residual lifetime and class these values into the predetermined number of categories which characterized a total state of insulating system electric rota

Druh

D - Stať ve sborníku

CEP obor

JA - Elektronika a optoelektronika, elektrotechnika

OECD FORD obor

—

Projekt

<a href="/cs/project/GA102%2F03%2F0621" target="_blank" >GA102/03/0621: Ireverzibilní procesy v elektroizolačních materiálech pro vysoké teploty</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2004

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Sborník 23. Mezinárodní konference DIAGO (Technická diagnostika strojů a výrobních zařízení)

ISBN

80-248-0465-4

ISSN

—

e-ISSN

—

Počet stran výsledku

7

Strana od-do

227-233

Název nakladatele

HART PRESS, sro. Otrokovice

Místo vydání

Ostrava

Místo konání akce

Ostrava

Datum konání akce

3. 2. 2004

Typ akce podle státní příslušnosti

CST - Celostátní akce

Kód UT WoS článku

—