Využiti strojového učení ve vibrodiagnostice

Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26210%2F18%3APU128773" target="_blank" >RIV/00216305:26210/18:PU128773 - isvavai.cz</a>
Výsledek na webu
<a href="http://www.atdcr.cz" target="_blank" >http://www.atdcr.cz</a>
DOI - Digital Object Identifier
—

Jazyk výsledku
čeština
Název v původním jazyce
Využiti strojového učení ve vibrodiagnostice
Popis výsledku v původním jazyce
Článek se zabývá možnosti využití strojového učení ve vibrodiagnostice pro určení typu závady rotačního stroje. Vzorová (vstupní) data jsou simulována dle předpokládaného průběhu signálu rychlosti vibrací při konkrétní poruše. Poté jsou data zpracována a redukována pro použití aplikace „Matlab Classification learner app“, která vytvoří model pro rozpoznávání závady. Model je nakonec otestován na novém vzorku dat. Článek slouží k ověření možností této metody pro pozdější využití na reálném stroji. V této fázi je testováno předzpracování dat a výběr vhodné metody klasifikace.
Název v anglickém jazyce
Utilization of Machine Learning in Vibrodiagnostics
Popis výsledku anglicky
The article deals with possibilities of machine learning in vibrodiagnostics to determine fault type of the rotary machine. Sample data are simulated according to the expected vibration velocity waveform signal at a specific fault. Then data are processed and reduced for using Matlab Classification Learner which creates model for identifying faults in the new data samples. The model is finally tested on a new sample data. Article serves to verify the possibility of this method for later use on a real machine. In this phase are tested data preprocessing and a suitable classification method.

Rok uplatnění
2018
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Podobné výsledky(10)