Bearing mechanical faults classifier based on artificial neural network

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26620%2F21%3APR34493" target="_blank" >RIV/00216305:26620/21:PR34493 - isvavai.cz</a>

Výsledek na webu

<a href="https://ai4di.ceitec.cz/vysledky/ann_bearing_fault_classifier" target="_blank" >https://ai4di.ceitec.cz/vysledky/ann_bearing_fault_classifier</a>

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Bearing mechanical faults classifier based on artificial neural network

Popis výsledku v původním jazyce

Software implementation of a neural network based on the multiplayer perceptron technique has been created in MATLAB environment. It serves for rolling elements bearing faults classification based on evaluation of the mechanical manifestation. Such quantities (vibration acceleration, ultrasonic and acoustic waves) are measured by appropriate sensors. Neural network has been trained and validated on the real data acquired on the bearing housing for healthy as well as several faulty states of the machine under constant operational conditions. Trained neural network can be easily implemented into microcontroller in the low-performance device, where classification function will be inferred.

Název v anglickém jazyce

Bearing mechanical faults classifier based on artificial neural network

Popis výsledku anglicky

Software implementation of a neural network based on the multiplayer perceptron technique has been created in MATLAB environment. It serves for rolling elements bearing faults classification based on evaluation of the mechanical manifestation. Such quantities (vibration acceleration, ultrasonic and acoustic waves) are measured by appropriate sensors. Neural network has been trained and validated on the real data acquired on the bearing housing for healthy as well as several faulty states of the machine under constant operational conditions. Trained neural network can be easily implemented into microcontroller in the low-performance device, where classification function will be inferred.

Druh

R - Software

CEP obor

—

OECD FORD obor

20204 - Robotics and automatic control

Projekt

<a href="/cs/project/8A19001" target="_blank" >8A19001: Artificial Intelligence for Digitizing Industry</a><br>

Návaznosti

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

Rok uplatnění

2021

Kód důvěrnosti údajů

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

Interní identifikační kód produktu

ANN bearing fault classifier 1.0

Technické parametry

- Počet neuronů vstupní vrstvy (vstupních příznaků): 8 - Počet vnitřních vrstev: 1 - Počet neuronů výstupní vrstvy (výstupních tříd): 5 - Aktivační funkce: sigmoida - Paměťové nároky neuronové sítě: cca 1,2 kB - Přesnost klasifikace: až 99,6 %

Ekonomické parametry

Klasifikátor mechanických poruch ložiska založený na umělé nerunové síti je prozatím využíván výhradně pro další výzkum a vývoj, komerční využití se zatím nepředpokládá.

IČO vlastníka výsledku

00216305

Název vlastníka

Vysoké učení technické v Brně