Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

A Distributed Fault Detection System based on IWSN for Machine Condition Monitoring

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F14%3A00208770" target="_blank" >RIV/68407700:21230/14:00208770 - isvavai.cz</a>

  • Výsledek na webu

    <a href="http://ieeexplore.ieee.org/xpl/articleDetails.jsp?arnumber=6661382" target="_blank" >http://ieeexplore.ieee.org/xpl/articleDetails.jsp?arnumber=6661382</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1109/TII.2013.2290432" target="_blank" >10.1109/TII.2013.2290432</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    A Distributed Fault Detection System based on IWSN for Machine Condition Monitoring

  • Popis výsledku v původním jazyce

    This paper introduces a novel framework for Industrial Wireless Sensor Networks used for Machine Condition Monitoring. Our approach enables the use of state-of-the-art computationally intensive classifiers in computationally weak sensor network nodes. The key idea is to split data acquisition, classifier building and training, and the operation phase, between different units. Computationally demanding processing is carried out in the central unit, while other tasks are distributed to the sensor nodes using over-the-air programming. The system is autonomously trained on the healthy state of a machine, and then monitors a change in behavior which indicates a faulty state. Thanks to one-class classification, there is no need to introduce the faulty stateof the machine in the training phase. We extend the diagnostic capability of the system using dynamic changes in the data acquisition and classification parts of the program in the sensor nodes. This enables the system to react to ambiguo

  • Název v anglickém jazyce

    A Distributed Fault Detection System based on IWSN for Machine Condition Monitoring

  • Popis výsledku anglicky

    This paper introduces a novel framework for Industrial Wireless Sensor Networks used for Machine Condition Monitoring. Our approach enables the use of state-of-the-art computationally intensive classifiers in computationally weak sensor network nodes. The key idea is to split data acquisition, classifier building and training, and the operation phase, between different units. Computationally demanding processing is carried out in the central unit, while other tasks are distributed to the sensor nodes using over-the-air programming. The system is autonomously trained on the healthy state of a machine, and then monitors a change in behavior which indicates a faulty state. Thanks to one-class classification, there is no need to introduce the faulty stateof the machine in the training phase. We extend the diagnostic capability of the system using dynamic changes in the data acquisition and classification parts of the program in the sensor nodes. This enables the system to react to ambiguo

Klasifikace

  • Druh

    J<sub>x</sub> - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)

  • CEP obor

    JA - Elektronika a optoelektronika, elektrotechnika

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

  • Návaznosti

    S - Specificky vyzkum na vysokych skolach

Ostatní

  • Rok uplatnění

    2014

  • Kód důvěrnosti údajů

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

Údaje specifické pro druh výsledku

  • Název periodika

    Industrial Informatics, IEEE Transactions on

  • ISSN

    1551-3203

  • e-ISSN

  • Svazek periodika

    10

  • Číslo periodika v rámci svazku

    2

  • Stát vydavatele periodika

    US - Spojené státy americké

  • Počet stran výsledku

    6

  • Strana od-do

    1118-1123

  • Kód UT WoS článku

    000336669800026

  • EID výsledku v databázi Scopus