Predikce zbytkové životnosti izolačních materiálů elektrických strojů točivých pomocí fuzzy-neuonových sítí.

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26210%2F04%3APU48324" target="_blank" >RIV/00216305:26210/04:PU48324 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

čeština

Název v původním jazyce

Predikce zbytkové životnosti izolačních materiálů elektrických strojů točivých pomocí fuzzy-neuonových sítí.

Popis výsledku v původním jazyce

V dnešní době je kladen čím dál větší důraz na včasnou diagnostiku provozního stavu výrobních strojů a zařízení. Na našem ústavu jsme se soustředili na problematiku degradačních procesů v izolačních soustavách elektromotorů a jejich řešení pomocí metod umělé inteligence. Konkrétně je náš výzkum zaměřen na predikci životnosti izolačních materiálů vinutí elektrických strojů pomocí metod umělé inteligence. Mezi nejpoužívanější metody umělé inteligence patří fuzzy systémy a neuronové sítě. Tato práce je zamměřena na řešení problematiky predikce pomocí fuzzy-neuronových sítí, jenž v sobě spojují výhody fuzzy systémů a neuronových sítí. Existují dva základní typy fuzzy-neuronových sítí. První méně složitý typ spočívá v úpravě fungující klasické neuronové sítě připojením modulů fuzzifikace a defuzzifikace, díky kterým tato síť potom pracuje s fuzzy čísly. Vnitřní struktura této sítě ale zůstává nezměněna. Druhý mnohem náročnější způsob tvorby fuzzy-neuronových sítí spočívá v kompletním návrhu

Název v anglickém jazyce

The Use of Fuzzy-Neural Networks for Residual Lifetime Prediction of Insulating Materials Used for Electrical Rotary Machines.

Popis výsledku anglicky

In this contribution we are especially focused to use hybrid systems like fuzzy-neural networks. We have two main types of these networks. First is less difficult and there is used classical neural network with some no-fundamental changes. We only put ontwo blocks: block of fuzzyfication into the input and block of defuzzyfication into the output. There are some changes in number of neurons in input and output layers. The result is classical neural network with some changes, which works with fuzzy numbbers. In the second type of fuzzy-neural network, there are particular neurons represented by fuzzy sets. There are many differences between this network and classical neural network. All the layers are converted for using as a completely fuzzy model. Modules of fuzzyfication and defuzzyfication are included too. We used back-propagation learning algorithm but converted for our need.

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

. mezinárodní konference s výstavou, DIAGON 2004

ISBN

80-7318-195-9

ISSN

—

e-ISSN

—

Počet stran výsledku

4

Strana od-do

37-40

Název nakladatele

Academia centrum Univerzity Tomáše Bati ve Zlíně

Místo vydání

Zlín

Místo konání akce

Zlín

Datum konání akce

17. 6. 2004

Typ akce podle státní příslušnosti

EUR - Evropská akce

Kód UT WoS článku

—