Utilization of Machine Learning in Vibrodiagnostics

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26210%2F18%3APU128776" target="_blank" >RIV/00216305:26210/18:PU128776 - isvavai.cz</a>

Výsledek na webu

<a href="https://link.springer.com/chapter/10.1007%2F978-3-319-97888-8_24" target="_blank" >https://link.springer.com/chapter/10.1007%2F978-3-319-97888-8_24</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1007/978-3-319-97888-8_24" target="_blank" >10.1007/978-3-319-97888-8_24</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Utilization of Machine Learning in Vibrodiagnostics

Popis výsledku v původním jazyce

The article deals with possibilities of use machine learning in vibrodiagnostics to determine a fault type of the rotary machine. Sample data are simulated according to the expected vibration velocity waveform signal at a specific fault. Then the data are pre-processed and reduced for using Matlab Classification Learner which creates a model for identifying faults in the new data samples. The model is finally tested on a new sample data. The article serves to verify the possibility of this method for later use on a real machine. In this phase is tested data preprocessing and a suitable classification method.

Název v anglickém jazyce

Utilization of Machine Learning in Vibrodiagnostics

Popis výsledku anglicky

The article deals with possibilities of use machine learning in vibrodiagnostics to determine a fault type of the rotary machine. Sample data are simulated according to the expected vibration velocity waveform signal at a specific fault. Then the data are pre-processed and reduced for using Matlab Classification Learner which creates a model for identifying faults in the new data samples. The model is finally tested on a new sample data. The article serves to verify the possibility of this method for later use on a real machine. In this phase is tested data preprocessing and a suitable classification method.

Druh

J_SC - Článek v periodiku v databázi SCOPUS

CEP obor

—

OECD FORD obor

20301 - Mechanical engineering

Projekt

—

Návaznosti

S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2018

Kód důvěrnosti údajů

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

Název periodika

Advances in Intelligent Systems and Computing

ISSN

2194-5357

e-ISSN

—

Svazek periodika

neuveden

Číslo periodika v rámci svazku

2017

Stát vydavatele periodika

CH - Švýcarská konfederace

Počet stran výsledku

8

Strana od-do

271-278

Kód UT WoS článku

—

EID výsledku v databázi Scopus

2-s2.0-85051756704