Utilization of Machine Learning in Vibrodiagnostics
Identifikátory výsledku
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>
Alternativní jazyky
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.
Klasifikace
Druh
J<sub>SC</sub> - Článek v periodiku v databázi SCOPUS
CEP obor
—
OECD FORD obor
20301 - Mechanical engineering
Návaznosti výsledku
Projekt
—
Návaznosti
S - Specificky vyzkum na vysokych skolach
Ostatní
Rok uplatnění
2018
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
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