Diagnozowanie uszkodzeń łożysk tocznych z wykorzystaniem wybranych klasyfikatorów
|
|
- Bogusław Kulesza
- 5 lat temu
- Przeglądów:
Transkrypt
1 Jakub Piekoszewski Diagnozowanie uszkodzeń łożysk tocznych z wykorzystaniem wybranych klasyfikatorów JEL: L6 DO: 0.436/atest Data zgłoszenia: Data akcetacji: Niewielkie uszkodzenie łożysk tocznych może rowadzić do oważnej awarii urządzenia. Zatem, bardzo ważnym jest wykrycie takich defektów na ich oczątkowym etaie owstawania aby zaobiec dalszym uszkodzeniom. W racy rzedstawiono kilka wybranych teoretycznych narzędzi z obszaru sztucznej inteligencji zastosowanych do rozwiązania roblemu diagnozowania uszkodzeń łożysk tocznych. Rozważanymi narzędziami są: algorytm k najbliższych sąsiadów, drzewo decyzyjne, maszyna wektorów odierających, ercetron wielowarstwowy, sieć bayesowska oraz sieć neuronowa o radialnych funkcjach bazowych. Rezultaty wszystkich ekserymentów zostały otrzymane z wykorzystaniem rzeczywistych danych oraz alikacji WEKA (ang. Waikato Environment for Knowledge Analysis) dostęnej na stronach Uniwersytetu Waikato w Nowej Zelandii. Słowa kluczowe: analiza uszkodzeń, ercetron wielowarstwowy, sieć bayesowska, drzewo decyzyjne, sieć neuronowa o radialnych funkcjach bazowych, algorytm k najbliższych sąsiadów, alikacja WEKA. Wstę Łożyska toczne są odstawowymi elementami wielu maszyn. Służą do rzenoszenia obciążeń romieniowych i osiowych działających w obu kierunkach z elementu wirującego na ozostałe części mechanizmu. Głównymi częściami tyowego łożyska tocznego są ierścienie wraz z bieżniami rzenoszącymi obciążenie, elementy toczne oraz koszyk, którego zadaniem jest ich odsearowanie w celu wyeliminowania ich wzajemnego tarcia [5]. Budowę klasycznego łożyska zarezentowano na rys.. Obecnie diagnozowanie na wczesnym etaie uszkodzeń łożysk tocznych stanowi istotny element monitoringu stanu technicznego urządzeń, gdyż jest to element, który najczęściej ulega uszkodzeniu []. Zbyt óźne wykrycie uszkodzenia łożyska może skutkować znacznie oważniejszymi awariami a ich koszt jest znacznie większy niż koszt wymiany samych łożysk. Ponadto monitorowanie ich stanu umożliwia zalanowanie odowiedniego terminu na konserwację co ozwala uniknąć nielanowanych rzestojów. Rodzaje uszkodzeń łożysk tocznych określa międzynarodowa norma SO543 (Rolling bearings - damage and failures - term, characteristics and causes), klasyfikując je na bazie widocznych zmian na elementach tocznych, bieżniach i innych owierzchniach racujących. Możliwe rzyczyny uszkodzeń eksloatacyjnych zostały odzielone na sześć głównych gru oraz szesnaście odgru []:. Zmęczenie materiału: a) zaoczątkowane od owierzchnią w skutek mikroęknięć od owierzchnią bieżni oraz b) zaoczątkowane na owierzchni mikronierówności sowodowane niewystarczającym smarowaniem.. Zużycie: a) ścierne owstałe na skutek niewystarczającego smarowania lub wniknięciem zanieczyszczeń do łożyska oraz b) rzylgowe będące rzenoszeniem materiału omiędzy owierzchniami w wyniku cieła generowanego od wływem tarcia. 3. Korozja: a) owierzchni sowodowana obecnością wilgoci, b) cierna owstająca na skutek niewielkich ruchów oscylacyjnych między oddziaływującymi owierzchniami oraz c) fałszywe odciski Brinella będące niewielkimi wgłębieniami na owierzchniach bieżni i elementów tocznych owstającymi w skutek cyklicznych drgań nieracującego łożyska. 4. Erozja elektryczna: a) miejscowe uszkodzenie owierzchni sowodowane rzeływem rądu oraz b) uływ rądu tworzący łytkie kratery, rozwijające się z biegiem czasem w równoległe rowki. 5. Odkształcenie lastyczne: a) rzeciążenie sowodowane działaniem obciążeń statycznych lub udarowych (rawdziwe odciski Brinella), b) wgniecenie cząstek zanieczyszczeń w elementy toczne i bieżnie oraz c) wgniecenie w wyniku nierawidłowej obsługi. 6. Pęknięcie: a) wymuszone w wyniku koncentracji narężeń rzekraczających wytrzymałość materiału na rozciąganie, b) zmęczeniowe będące wynikiem częstego rzekraczania granicy wytrzymałości materiału oraz c) termiczne owstałe w rezultacie nadmiernego cieła owstającego rzy wysokim tarciu. Rys.. Budowa tyowego łożyska tocznego [3] stnieje wiele różnych metod oracowanych w celu diagnostyki uszkodzeń łożysk tocznych, wśród których najczęściej stosowanymi są []:. Pomiary akustyczne szumu obrotowego łożyska rzy wykorzystaniu urządzeń detekcji dźwięku n. stetoskou. Zmiana arametru głośności może sugerować uszkodzenie takiego elementu.. Obrazowanie termiczne. Temeratura racy łożyska nie owinna rzekraczać 70 C. Nierawidłowy montaż lub niewystarczające smarowanie mogą rzyczynić się do znacznego wzrostu temeratury i jego uszkodzenia. AUTOBUSY /08 597
2 3. Analiza ferrograficzna zawartości smaru od kątem wystęowania w nim śladów zużycia elementów łożyska. 4. Monitorowanie drgań generowanych odczas racy urządzenia. Pomiar drgań ochodzących z łożysk tocznych jest najoularniejszą i najczęściej stosowaną metodą diagnozowania ich uszkodzeń. Srowadza się ona do odróżnienia drgań odczas normalnej racy urządzenia od wibracji wynikających z nierawidłowości. Analiza rezultatów ozwala także na określenie rawdoodobnych rzyczyn nierawidłowego działania łożyska. Niewątliwą zaletą takiego rozwiązania jest brak otrzeby wyłączenia urządzenia na czas testu. Wiele uszkodzeń w ich oczątkowej fazie może nie owodować zauważalnych zmian oziomu drgań dla oeratora urządzenia, dlatego też kilka metod z obszaru sztucznej inteligencji zostało wykorzystanych do budowy systemów klasyfikacyjnych wsomagających diagnozowanie uszkodzeń łożysk tocznych [3]. Niniejsza raca również adresuje ten roblem. Do budowy modeli klasyfikatorów wykorzystano nastęujące narzędzia: ercetron wielowarstwowy MLP (ang. multilayer ercetron), sieć neuronową o radialnych funkcjach bazowych RBF (ang. radial basis function), drzewo decyzyjne, sieć bayesowska, maszyna wektorów odierających SVM (ang. suort vector machine) oraz algorytm k najbliższych sąsiadów k-nn (ang. k-nearest neighbor algorithm). Przegląd wybranych narzędzi można odnaleźć w racach [5,6]. Wszystkie ekserymenty numeryczne rzedstawione w racy otrzymano z wykorzystaniem alikacji WEKA (ang. Waikato Environment for Knowledge Analysis) dostęnej na stronach Uniwersytetu Waikato w Nowej Zelandii (htts:// Projekt klasyfikatora Rozważany jest system klasyfikacyjny o n wejściach x, x,, xn oraz m wyjściach y, y,,. Liczba klas rozoznawanych rzez klasyfikator jest równa liczbie jego wyjść. Odowiedź systemu na j-tym wyjściu y [0,], j,,, m (obliczana w trakcie rezentacji kolejnych róbek danych na wejściach klasyfikatora) rerezentuje stoień rzynależności wektora wejściowego dla j-tej klasy. Budowa klasyfikatora odbywa się w trybie uczenia nadzorowanego zbiór danych uczących wych: L ma ostać ar róbek danych wejściowych i wyjścio- y m j rzyadku). W trakcie rocesu uczenia, błąd odowiedzi systemu jest minimalizowany: Q RMSE dla zbioru uczącego Q RMSE ( ) lrn m L m s j ( y d ) gdzie y [0, ] jest rzeczywistą odowiedzią systemu na j-tym wyjściu y j, obliczaną gdy wektor na wejściach klasyfikatora [3]. x s (3) rezentowany jest. Badania ekserymentalne Do oceny efektywności roonowanych narzędzi wsomagających diagnozowanie uszkodzeń łożysk tocznych wykorzystano dane udostęnione rzez Bearing Data Center Uniwersytetu Case Western Reserve w Cleveland w Stanach Zjednoczonych [7]. ch autorzy rzerowadzili szereg omiarów drgań na stanowisku testowym składającym się z silnika indukcyjnego o mocy KM, rzekładni oraz obciążenia rzedstawionych na rys.. Rys.. Stanowisko do badań uszkodzeń łożysk tocznych [7] Badania ekserymentalne rzerowadzono na jednorzędowych łożyskach kulkowych tyu 605-RSJEM szwedzkiej firmy SKF zamontowanych na wale silnika. Parametry łożyska rzedstawia rys. 3. ' L { s, cs } s x () gdzie x s [ x s, x s,..., x sn ] ( x si, i,,..., n ) jest wektorem danych wejściowych, c s jest etykietą klasy rzyisaną wektorowi x s. W ramach etau rzygotowania danych do klasyfikacji oryginalny zbiór danych uczących L rzekształcany jest w nowy zbiór danych uczących: L { s, ds } s s s [ ds, ds,..., dsm ] gdzie x () x jest taki jak w warunku (), natomiast d ( d {0,}, j,,..., m ) jest ożądaną odowiedzią systemu, gdy wektor x s rezentowany jest na wejściach klasyfikatora ( d jeżeli wektor s x jest rzyisany do j-tej klasy oraz d 0 w rzeciwnym Rys. 3. Parametry łożyska tyu SKF 605-RSJEM [] Dokonano omiarów drgań łożyska srawnego, oraz z uszkodzeniami: kulki, bieżni zewnętrznej i wewnętrznej. Pojedyncze, unktowe uszkodzenia tych elementów o średnicy od 7 do 8 mils (/000 cala) zrealizowano z wykorzystaniem obróbki elektroerozyj- 598 AUTOBUSY /08
3 nej. Każdy z omiarów drgań badanych elementów został rzerowadzony rzy rędkości obrotowej wału 750 obr/min. Wielkości generowanych drgań zostały odczytane rzy użyciu akcelerometru rzymocowanego bezośrednio do obudowy silnika. Częstotliwość róbkowania sygnału wynosiła khz. Otrzymane rzebiegi zostały zarejestrowane z wykorzystaniem 6 kanałowego rzetwornika A/C w środowisku MATLAB. Przygotowanie danych Pomiar drgań każdego łożyska trwał niewiele onad 0s. co rzy częstotliwości róbkowania khz daje szereg czasowy składający się z onad 0000 róbek sygnału. Na otrzebę testów modeli klasyfikatorów w tej racy stworzono dwa zbiory danych, różniące się stoniem uszkodzenia łożysk (unktowe defekty o średnicy 7 oraz mils). Każdy ze zbiorów zawiera 40 rekordów danych rzyisanych do jednej z 4 klas (nieuszkodzone łożysko, oraz uszkodzona kulka, bieżnia zewnętrzna i wewnętrzna). Po uwzględnieniu rędkości obrotowej silnika 750 obr/min oraz częstotliwości róbkowani khz, każdy rekord danych w obu zbiorach składa się z 4 róbek sygnału, co odowiada jednemu ełnemu obrotowi wału silnika. Przykładowe rzebiegi czasowe wybranych rekordów zostały rzedstawione na rys. 4. Wyniki badań Przygotowano i rzetestowano sześć klasyfikatorów bazując na:. ercetronie dwuwarstwowym (MLP) wykorzystującym algorytm wstecznej roagacji o 4 neuronach w warstwie wyjściowej i 00 neuronach w warstwie ukrytej (wsółczynnik uczenia równy 0.3; wartość momentu równa 0.; liczba eok uczenia równa 000),. sieci neuronowej o radialnych funkcjach bazowych wykorzystującej algorytm k średnich (RBF), 3. drzewie decyzyjnym z algorytmem uczenia C4.5, 4. maszynie wektorów odierających (SVM), 5. sieci bayesowskiej, 6. algorytmie k najbliższych sąsiadów (k-nn). Dla wszystkich klasyfikatorów, za wyjątkiem sieci MLP, korzystano z domyślnych ustawień arametrów dostęnych w alikacji WEKA. Szczegółowe informacje dotyczące metod uczenia wszystkich rozważanych w racy narzędzi można odnaleźć w racy [8]. Czas budowy oszczególnych klasyfikatorów został rzedstawiony na rys. 5. Tab. zawiera szczegółowe zestawienie wyników dla oszczególnych narzędzi. Otrzymane wyniki jednoznacznie wskazują na możliwość wyko- Rys. 4. Amlitudy drgań rzykładowych rekordów dla zbiorów o uszkodzeniach 7 i mils: nieuszkodzone łożysko kulkowe (a,b), uszkodzona kulka (c,d), uszkodzona bieżnia wewnętrzna (e,f), oraz uszkodzona bieżnia zewnętrzna (g,h) AUTOBUSY /08 599
4 rzystania roonowanych modeli klasyfikatorów do budowy systemów wsomagania w diagnozowaniu uszkodzeń łożysk tocznych. Zdecydowanie najlesze rezultaty osiągnęły modele klasyfikatorów bazujących na sieci neuronowej o radialnych funkcjach bazowych i sieci bayesowskiej. Średni rocent ich orawnych decyzji był bliski 00% (odowiednio 99.7% i 98.55%). Również wysoki rocent orawnych decyzji (87.7%) uzyskał ercetron dwuwarstwowy. Jednakże jego ewnym mankamentem jest stosunkowo długi czas budowy (ok. 500s.), w rzeciwieństwie do ozostałych narzędzi, których czas budowy oscyluje w granicach sekundy. Wyniki ozostałych narzędzi wynoszące omiędzy 70% a 80% także można uznać za zadowalające (odowiednio 7.5% dla maszyny wektorów odierających, 74.38% dla drzewa decyzyjnego i 78.3% dla algorytmu k najbliższych sąsiadów). Rezultaty otrzymane dla obu zbiorów są zbliżone co świadczy o wysokiej skuteczności w wykrywaniu nawet niewielkich uszkodzeń łożysk tocznych. Podsumowanie W niniejszej racy rzedstawiono wybrane narzędzia teoretyczne z obszaru sztucznej inteligencji, zastosowane do budowy systemów wsomagających wykrywanie uszkodzeń łożysk tocznych. Wykonane badania ekserymentalne jednoznacznie wskazują na możliwość ich stosowania. Zaroonowane narzędzia uzyskały dobre i bardzo dobre wyniki orawnych decyzji dla klasyfikowanych róbek danych. Wykorzystanie tych narzędzi może w znacznym stoniu omóc w diagnostyce uszkodzeń nie tylko łożysk tocznych, ale również innych elementów urządzeń takich jak n. rzekładni zębatych [9]. W najbliższej rzyszlości lanuje się zastosowanie alternatywnych metod z obszaru sztucznej inteligencji,tj. systemów regułoworozmytych [0,] oraz samoorganizujących się sieci neuronowych o drzewiastych strukturach toologicznych [,3] w celu rozwiązywania zbliżonych zagadnień wykrywania uszkodzeń. *MLP - dwuwarstwowy ercetron, RBF - sieć neuronowa o radialnych funkcjach bazowych, SVM - maszyna wektorów odierających, SB - sieć bayesowska, k-nn - algorytm k najbliższych sąsiadów Rys. 5. Średni czas budowy rozatrywanych klasyfikatorów Bibliografia:. Muthukumarasamy A., Ganeriwala S., Diagnosis of rolling element bearing faults using enveloe analysis, Tech Note, Uszkodzenia łożysk oraz ich rzyczyny, odręczniku obsługi łożysk firmy SKF. 3. Kutalek D., Hammer M., Vibration diagnostics of rolling bearings using the time series analysis, MM Science Journal, Li B., Chow Mo-Y., Tisuwan Y., Hung J.C., Neural network Tab.. Rezultaty klasyfikacji oszczególnych narzędzi dla zbiorów o uszkodzeniach 7 i mils. Klasyfikator Percetron wielowarstwowy Sieć neuronowa o radialnych funkcjach bazowych Drzewo decyzyjne Maszyna wektorów odierających Sieć bayesowska Algorytm k najbliższych sąsiadów Zbiór danych o uszkodzeniach 7 mils Zbiór danych o uszkodzeniach mils Średni rocent Macierz błędów Liczba orawnych decyzji nych decyzji decyzji Macierz błędów Liczba oraw- orawnych n ) uw ) uk 3) uz 4) n ) uw ) uk 3) uz 4) n ) n ) uw ) uw ) (85.83%) 87.7% uk 3) (89.58%) uk 3) uz 4) uz 4) n ) n ) uw ) uw ) uk 3) (00.00%) uk 3) uz 4) uz 4) n ) n ) 48 0 uw ) uw ) 5 6 uk 3) (7.50%) uk 3) uz 4) 4 43 uz 4) n ) n ) uw ) uw ) 9 9 uk 3) (70.4%) uk 3) uz 4) uz 4) n ) n ) uw ) uw ) uk 3) (97.9%) uk 3) uz 4) uz 4) n ) n ) uw ) uw ) uk 3) (70.83%) uk 3) (98.33%) 83 (76.5%) 73 (7.08%) 38 (99.7%) 05 (85.4%) uz 4) uz 4) ) n łożysko nieuszkodzne (etykieta klasy), ) uw uszkodzenie wewnętrznej bieżni, 3) uk uszkodzenie kulki, 4) uz uszkodzenie zewnętrznej bieżni 99.7% 74.38% 7.5% 98.55% 78.3% 600 AUTOBUSY /08
5 based motor rolling bearing fault diagnosis, EEE Transactions on ndustrial Electronics, vol. 47, Klimowski M., Diagnostyka łożysk tocznych silników elektrycznych rzy wykorzystaniu metody analizy częstotliwościowej oraz metody detekcji obwiedni, Maszyny Elektryczne, tom (0), Koronacki J., Statystyczne systemy uczące się, Akademicka Oficyna Wydawnicza EXT, Mitchell T., Machine Learning, McGraw Hill, Case Western Reserve University Bearing Data Center Website (htt://csegrous.case.edu/bearingdatacenter/home). 9. Bischo C. M., Pattern Recognition and Machine Learning, Sringer-Verlag, New York, Piekoszewski J., Analiza orównawcza wybranych klasyfikatorów w diagnozowaniu uszkodzeń rzekładni zębatych, Autobusy: technika, eksloatacja, systemy transortowe, tom 8, 07.. Rudziński F., A multi-objective genetic otimization of interretability-oriented fuzzy rule-based classifiers, Alied Soft Comuting, vol. 38, 06.. Gorzałczany M. B., Rudziński F., A multi-objective genetic otimization for fast, fuzzy rule-based credit classification with balanced accuracy and interretability, Alied Soft Comuting, vol. 50(50), Gorzałczany M B., Piekoszewski J., Rudziński F., Generalized tree-like self-organizing neural networks with dynamically defined neighborhood for cluster analysis, Artificial ntelligence and Soft Comuting, 3th nternational Conference, CASC 04, Zakoane, Poland, June -5, 04, Proceedings, Part, Gorzałczany M B., Piekoszewski J., Rudziński F., Generalized SOMs with Slitting-Merging Tree-Like Structures for WWW- Document Clustering, Advances in ntelligent Systems Research, vol. 89, 05. Fault diagnosis of roller bearings using selected classifiers Minor roller bearing damage may lead to serious failures of the device. Thus, it is very imortant to detect such damage as early as ossible to revent further damage. This aer resents a selection of several theoretical tools from the field of artificial intelligence and their alication in roller bearings fault classification. The considered tools are: k-nearest neighbor algorithm, decision tree, suort vector machine, feed forward neural network (multilayer ercetron), Bayesian network and neural network with radial basis functions. All numerical exeriments resented in the aer were erformed with the use of real-world dataset and WEKA (Waikato Environment for Knowledge Analysis) software, available at the server of the University of Waikato. Keywords: fault detection, multilayer ercetron, Bayesian network, decision tree, neural network with radial basis functions, k-nearest neighbor algorithm, WEKA alication. Autor: dr Jakub Piekoszewski Politechnika Świętokrzyska w Kielcach, Wydział Elektrotechniki, Automatyki i nformatyki, j.iekoszewski@tu.kielce.l AUTOBUSY /08 60
Laboratorium Metod i Algorytmów Sterowania Cyfrowego
Laboratorium Metod i Algorytmów Sterowania Cyfrowego Ćwiczenie 3 Dobór nastaw cyfrowych regulatorów rzemysłowych PID I. Cel ćwiczenia 1. Poznanie zasad doboru nastaw cyfrowych regulatorów rzemysłowych..
Bardziej szczegółowoWYKRYWANIE USZKODZEŃ W LITYCH ELEMENTACH ŁĄCZĄCYCH WAŁY
ZESZYTY NAUKOWE AKADEMII MARYNARKI WOJENNEJ ROK LI NR 4 (183) 2010 Radosł aw Pakowski Mirosł aw Trzpil Politechnika Warszawska WYKRYWANIE USZKODZEŃ W LITYCH ELEMENTACH ŁĄCZĄCYCH WAŁY STRESZCZENIE W artykule
Bardziej szczegółowoNAPIĘCIA I PRĄDY WAŁOWE W SILNIKACH INDUKCYJNYCH DUŻEJ MOCY
Prace Naukowe Instytutu Maszyn, Naędów i Pomiarów Elektrycznych Nr 62 Politechniki Wrocławskiej Nr 62 Studia i Materiały Nr 2 2 Bronisław DRAK*, Piotr ZIENTEK*, Roman NIESTRÓJ*, Józef KWAK**, Jan LIPIŃSKI***
Bardziej szczegółowoKONCEPCJA WYKORZYSTANIA SZTUCZNYCH SIECI NEURONOWYCH W DIAGNOSTYCE PRZEKŁADNI ZĘBATYCH
ZESZYTY NAUKOWE POLITECHNIKI ŚLĄSKIEJ 2009 Seria: TRANSPORT z. 65 Nr kol. 1807 Piotr CZECH, Bogusław ŁAZARZ KONCEPCJA WYKORZYSTANIA SZTUCZNYCH SIECI NEURONOWYCH W DIAGNOSTYCE PRZEKŁADNI ZĘBATYCH Streszczenie.
Bardziej szczegółowoProblem eliminacji nieprzystających elementów w zadaniu rozpoznania wzorca Marcin Luckner
Problem eliminacji nieprzystających elementów w zadaniu rozpoznania wzorca Marcin Luckner Wydział Matematyki i Nauk Informacyjnych Politechnika Warszawska Elementy nieprzystające Definicja odrzucania Klasyfikacja
Bardziej szczegółowoTHE ROLLING CONTACT FATIGUE LIFE INVESTIGATION OF ROLLER BEARINGS ELEMENTS ON THE STBL-02 STAND
Michał BAK, Michał LIBERA, Marian JÓSKO Politechnika Poznańska, Instytut Maszyn Roboczych i Pojazdów Samochodowych ul. Piotrowo 3, 60-965 Poznań e-mail: marian.josko@ut.oznan.l THE ROLLING CONTACT FATIGUE
Bardziej szczegółowoWykład wprowadzający
Monitorowanie i Diagnostyka w Systemach Sterowania na studiach II stopnia specjalności: Systemy Sterowania i Podejmowania Decyzji Wykład wprowadzający dr inż. Michał Grochowski kiss.pg.mg@gmail.com michal.grochowski@pg.gda.pl
Bardziej szczegółowoPROGNOZOWANIE CENY OGÓRKA SZKLARNIOWEGO ZA POMOCĄ SIECI NEURONOWYCH
InŜynieria Rolnicza 14/2005 Sławomir Francik Katedra InŜynierii Mechanicznej i Agrofizyki Akademia Rolnicza w Krakowie PROGNOZOWANIE CENY OGÓRKA SZKLARNIOWEGO ZA POMOCĄ SIECI NEURONOWYCH Streszczenie W
Bardziej szczegółowoAlgorytmy sztucznej inteligencji
Algorytmy sztucznej inteligencji Dynamiczne sieci neuronowe 1 Zapis macierzowy sieci neuronowych Poniżej omówione zostaną części składowe sieci neuronowych i metoda ich zapisu za pomocą macierzy. Obliczenia
Bardziej szczegółowoTemperatura i ciepło E=E K +E P +U. Q=c m T=c m(t K -T P ) Q=c przem m. Fizyka 1 Wróbel Wojciech
emeratura i cieło E=E K +E P +U Energia wewnętrzna [J] - ieło jest energią rzekazywaną między układem a jego otoczeniem na skutek istniejącej między nimi różnicy temeratur na sosób cielny rzez chaotyczne
Bardziej szczegółowoNEURONOWY DETEKTOR USZKODZEŃ ŁOŻYSK TOCZNYCH
Zeszyty Problemowe Maszyny Elektryczne Nr 9/011 05 Paweł Ewert, Czesław T. Kowalski Instytut Maszyn Napędów i Pomiarów Elektrycznych NEURONOWY DETEKTOR USZKODZEŃ ŁOŻYSK TOCZNYCH NEURAL DETECTOR OF ROLLING
Bardziej szczegółowoMETODY INŻYNIERII WIEDZY KNOWLEDGE ENGINEERING AND DATA MINING
METODY INŻYNIERII WIEDZY KNOWLEDGE ENGINEERING AND DATA MINING Maszyna Wektorów Nośnych Suort Vector Machine SVM Adrian Horzyk Akademia Górniczo-Hutnicza Wydział Elektrotechniki, Automatyki, Informatyki
Bardziej szczegółowoZastosowanie sieci neuronowych w problemie klasyfikacji wielokategorialnej. Adam Żychowski
Zastosowanie sieci neuronowych w problemie klasyfikacji wielokategorialnej Adam Żychowski Definicja problemu Każdy z obiektów może należeć do więcej niż jednej kategorii. Alternatywna definicja Zastosowania
Bardziej szczegółowoProf. Stanisław Jankowski
Prof. Stanisław Jankowski Zakład Sztucznej Inteligencji Zespół Statystycznych Systemów Uczących się p. 228 sjank@ise.pw.edu.pl Zakres badań: Sztuczne sieci neuronowe Maszyny wektorów nośnych SVM Maszyny
Bardziej szczegółowoZastosowanie sztucznej inteligencji w testowaniu oprogramowania
Zastosowanie sztucznej inteligencji w testowaniu oprogramowania Problem NP Problem NP (niedeterministycznie wielomianowy, ang. nondeterministic polynomial) to problem decyzyjny, dla którego rozwiązanie
Bardziej szczegółowoDeep Learning na przykładzie Deep Belief Networks
Deep Learning na przykładzie Deep Belief Networks Jan Karwowski Zakład Sztucznej Inteligencji i Metod Obliczeniowych Wydział Matematyki i Nauk Informacyjnych PW 20 V 2014 Jan Karwowski (MiNI) Deep Learning
Bardziej szczegółowoKONCEPCJA NEURONOWEGO DETEKTORA USZKODZEŃ CZUJNIKA PRĘDKOŚCI DLA UKŁADÓW NAPĘDOWYCH Z SILNIKIEM INDUKCYJNYM STEROWANYCH METODĄ POLOWO ZORIENTOWANĄ
POZNAN UNIVE RSITY OF TE CHNOLOGY ACADE MIC JOURNALS No 83 Electrical Engineering 2015 Kamil KLIMKOWSKI* Mateusz DYBKOWSKI* KONCEPCJA NEURONOWEGO DETEKTORA USZKODZEŃ CZUJNIKA PRĘDKOŚCI DLA UKŁADÓW NAPĘDOWYCH
Bardziej szczegółowoŁĄCZENIA CIERNE POŁĄ. Klasyfikacja połączeń maszynowych POŁĄCZENIA. rozłączne. nierozłączne. siły przyczepności siły tarcia.
POŁĄ ŁĄCZENIA CIERNE Klasyfikacja ołączeń maszynowych POŁĄCZENIA nierozłączne rozłączne siły sójności siły tarcia siły rzyczeności siły tarcia siły kształtu sawane zgrzewane lutowane zawalcowane nitowane
Bardziej szczegółowoKLASYFIKACJA. Słownik języka polskiego
KLASYFIKACJA KLASYFIKACJA Słownik języka polskiego Klasyfikacja systematyczny podział przedmiotów lub zjawisk na klasy, działy, poddziały, wykonywany według określonej zasady Klasyfikacja polega na przyporządkowaniu
Bardziej szczegółowoAnaliza nośności pionowej pojedynczego pala
Poradnik Inżyniera Nr 13 Aktualizacja: 09/2016 Analiza nośności ionowej ojedynczego ala Program: Plik owiązany: Pal Demo_manual_13.gi Celem niniejszego rzewodnika jest rzedstawienie wykorzystania rogramu
Bardziej szczegółowoZastosowanie sztucznych sieci neuronowych w prognozowaniu szeregów czasowych (prezentacja 2)
Zastosowanie sztucznych sieci neuronowych w prognozowaniu szeregów czasowych (prezentacja 2) Ewa Wołoszko Praca pisana pod kierunkiem Pani dr hab. Małgorzaty Doman Plan tego wystąpienia Teoria Narzędzia
Bardziej szczegółowoŁożyska - zasady doboru
Łożyska - zasady doboru Dane wejściowe: Siła, średnica wału, prędkość obrotowa Warunki pracy: środowisko (zanieczyszczenia, wilgoć), drgania Dodatkowe wymagania: charakter obciążenia, wymagana trwałość,
Bardziej szczegółowoAkademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie Wydział Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej
Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie Wydział Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej METODY ANALIZY I ROZPOZNAWANIA INFORMACJI ZAWARTEJ W SYGNAŁACH PRĄDOWYCH
Bardziej szczegółowoMATLAB Neural Network Toolbox przegląd
MATLAB Neural Network Toolbox przegląd WYKŁAD Piotr Ciskowski Neural Network Toolbox: Neural Network Toolbox - zastosowania: przykłady zastosowań sieci neuronowych: The 1988 DARPA Neural Network Study
Bardziej szczegółowoALGORYTM STRAŻAKA W WALCE Z ROZLEWAMI OLEJOWYMI
JOLANTA MAZUREK Akademia Morska w Gdyni Katedra Matematyki ALGORYTM STRAŻAKA W WALCE Z ROZLEWAMI OLEJOWYMI W artykule rzedstawiono model wykorzystujący narzędzia matematyczne do ustalenia reguł oraz rozwiązań,
Bardziej szczegółowoWykład 2. Przemiany termodynamiczne
Wykład Przemiany termodynamiczne Przemiany odwracalne: Przemiany nieodwracalne:. izobaryczna = const 7. dławienie. izotermiczna = const 8. mieszanie. izochoryczna = const 9. tarcie 4. adiabatyczna = const
Bardziej szczegółowoSTANOWISKO MOCY KRĄŻĄCEJ JAKO SYSTEM POZYSKIWANIA DANYCH TESTUJĄCYCH DLA KLASYFIKATORÓW NEURONOWYCH
ZESZYTY NAUKOWE POLITECHNIKI ŚLĄSKIEJ 2009 Seria: TRANSPORT z. 65 Nr kol. 1807 Grzegorz WOJNAR, Tomasz FIGLUS, Piotr CZECH STANOWISKO MOCY KRĄŻĄCEJ JAKO SYSTEM POZYSKIWANIA DANYCH TESTUJĄCYCH DLA KLASYFIKATORÓW
Bardziej szczegółowoStreszczenie. Słowa kluczowe: modele neuronowe, parametry ciągników rolniczych
InŜynieria Rolnicza 11/2006 Sławomir Francik Katedra InŜynierii Mechanicznej i Agrofizyki Akademia Rolnicza w Krakowie METODA PROGNOZOWANIA WARTOŚCI PARAMETRÓW TECHNICZNYCH NOWOCZESNYCH MASZYN ROLNICZYCH
Bardziej szczegółowoWYZNACZANIE WARTOŚCI PODSTAWOWYCH PARAMETRÓW TECHNICZNYCH NOWOCZESNYCH KOMBAJNÓW ZBOŻOWYCH PRZY UŻYCIU SSN
Inżynieria Rolnicza 2(9)/7 WYZNACZANIE WARTOŚCI PODSTAWOWYCH PARAMETRÓW TECHNICZNYCH NOWOCZESNYCH KOMBAJNÓW ZBOŻOWYCH PRZY UŻYCIU SSN Sławomir Francik Katedra Inżynierii Mechanicznej i Agrofizyki, Akademia
Bardziej szczegółowoMetody tworzenia efektywnych komitetów klasyfikatorów jednoklasowych Bartosz Krawczyk Katedra Systemów i Sieci Komputerowych Politechnika Wrocławska
Metody tworzenia efektywnych komitetów klasyfikatorów jednoklasowych Bartosz Krawczyk Katedra Systemów i Sieci Komputerowych Politechnika Wrocławska e-mail: bartosz.krawczyk@pwr.wroc.pl Czym jest klasyfikacja
Bardziej szczegółowoZASTOSOWANIE AUTORSKIEJ METODY WYZNACZANIA WARTOŚCI PARAMETRÓW NOWOCZESNYCH SYSTEMÓW TECHNICZNYCH DO PŁUGÓW I OPRYSKIWACZY POLOWYCH
Inżynieria Rolnicza 9(118)/2009 ZASTOSOWANIE AUTORSKIEJ METODY WYZNACZANIA WARTOŚCI PARAMETRÓW NOWOCZESNYCH SYSTEMÓW TECHNICZNYCH DO PŁUGÓW I OPRYSKIWACZY POLOWYCH Sławomir Francik Katedra Inżynierii Mechanicznej
Bardziej szczegółowoSYMULACJA UKŁADU REDUKCJI DRGAŃ Z TŁUMIKIEM MAGNETOREOLOGICZNYM I ELEKTROMAGNETYCZNYM PRZETWORNIKIEM ENERGII
MODELOWANIE INśYNIERSKIE ISSN 1896-771X 37, s. 1-2, Gliwice 29 SYMULACJA UKŁADU REDUKCJI DRGAŃ Z TŁUMIKIEM MAGNETOREOLOGICZNYM I ELEKTROMAGNETYCZNYM PRZETWORNIKIEM ENERGII BOGDAN SAPIŃSKI 1, PAWEŁ MARTYNOWICZ
Bardziej szczegółowoSpecjalnościowy Obowiązkowy Polski Semestr VI
KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 2015/2016 Z-ID-607a Wybrane modele klasyfikacji i regresji Selected Models of Classification
Bardziej szczegółowoINTERPRETACJA WYNIKÓW BADANIA WSPÓŁCZYNNIKA PARCIA BOCZNEGO W GRUNTACH METODĄ OPARTĄ NA POMIARZE MOMENTÓW OD SIŁ TARCIA
Górnictwo i Geoinżynieria Rok 3 Zeszyt 008 Janusz aczmarek* INTERPRETACJA WYNIÓW BADANIA WSPÓŁCZYNNIA PARCIA BOCZNEGO W GRUNTACH METODĄ OPARTĄ NA POMIARZE MOMENTÓW OD SIŁ TARCIA 1. Wstę oncecję laboratoryjnego
Bardziej szczegółowoKLASYFIKACJA TEKSTUR ZA POMOCĄ SVM MASZYNY WEKTORÓW WSPIERAJĄCYCH
Inżynieria Rolnicza 13/2006 Jacek Goszczyński Instytut Inżynierii Rolniczej Akademia Rolnicza w Poznaniu KLASYFIKACJA TEKSTUR ZA POMOCĄ SVM MASZYNY WEKTORÓW WSPIERAJĄCYCH Streszczenie Motywacją do badań
Bardziej szczegółowoMODEL DYNAMICZNY UKŁADU NAPĘDOWEGO JAKO ŹRÓDŁO DANYCH WEJŚCIOWYCH DLA KLASYFIKATORÓW NEURONOWYCH
ZESZYTY NAUKOWE POLITECHNIKI ŚLĄSKIEJ 2009 Seria: TRANSPORT z. 65 Nr kol. 1807 Grzegorz PERUŃ, Bogusław ŁAZARZ, Grzegorz WOJNAR, Piotr CZECH MODEL DYNAMICZNY UKŁADU NAPĘDOWEGO JAKO ŹRÓDŁO DANYCH WEJŚCIOWYCH
Bardziej szczegółowoCena netto (zł) za osobę. Czas trwania. Kod. Nazwa szkolenia Zakres tematyczny. Terminy
M1 Budowa i obsługa łożysk tocznych 1. Oznaczenia i rodzaje łożysk 2. Narzędzia do obsługi łożysk 3. Montaż i demontaż łożysk 4. Ćwiczenia praktyczne z zakresu montażu i demontażu łożysk 5. Łożyska CARB
Bardziej szczegółowoWYDAJNOŚĆ POMPOWANIA W MIESZALNIKU Z DWOMA MIESZADŁAMI NA WALE THE PUMPING EFFICIENCY IN DUAL IMPELLER AGITATOR
ANDRZEJ DUDA, JERZY KAMIEŃSKI, JAN TALAGA * WYDAJNOŚĆ POMPOWANIA W MIESZALNIKU Z DWOMA MIESZADŁAMI NA WALE THE PUMPING EFFICIENCY IN DUAL IMPELLER AGITATOR Streszczenie W niniejszej racy rzedstawiono wyniki
Bardziej szczegółowoZastosowanie optymalizacji rojem cząstek (PSO) w procesie uczenia wielowarstwowej sieci neuronowej w problemie lokalizacyjnym
Zastosowanie optymalizacji rojem cząstek (PSO) w procesie uczenia wielowarstwowej sieci neuronowej w problemie lokalizacyjnym Jan Karwowski Wydział Matematyki i Nauk Informacyjnych PW 17 XII 2013 Jan Karwowski
Bardziej szczegółowo1. Parametry strumienia piaskowo-powietrznego w odlewniczych maszynach dmuchowych
MATERIAŁY UZUPEŁNIAJACE DO TEMATU: POMIAR I OKREŚLENIE WARTOŚCI ŚREDNICH I CHWILOWYCH GŁÓWNYCHORAZ POMOCNICZYCH PARAMETRÓW PROCESU DMUCHOWEGO Józef Dańko. Wstę Masa wyływająca z komory nabojowej strzelarki
Bardziej szczegółowoZASTOSOWANIE RUCHOMEJ WARTOŚCI SKUTECZNEJ PRĄDU DO DIAGNOSTYKI SILNIKÓW INDUKCYJNYCH KLATKOWYCH
Maszyny Elektryczne - Zeszyty Problemowe Nr /05 (06) 4 Natalia Pragłowska Ryłko, Maciej Sułowicz Politechnika Krakowska, Kraków ZASTOSOWANIE RUCHOMEJ WARTOŚCI SKUTECZNEJ PRĄDU DO DIAGNOSTYKI SILNIKÓW INDUKCYJNYCH
Bardziej szczegółowoKomputerowe projektowanie konstrukcji mechanicznych
Komputerowe projektowanie konstrukcji mechanicznych 2018/2019 dr inż. Michał Dolata www.mdolata.zut.edu.pl Łożyska 2 Wykład przygotowany został na podstawie materiałów ze strony internetowej firmy SKF
Bardziej szczegółowoThis article is available in PDF-format, in coloured version, at: www.wydawnictwa.ipo.waw.pl/materialy-wysokoenergetyczne.html
Z. Surma, Z. Leciejewski, A. Dzik, M. Białek This article is available in PDF-format, in coloured version, at: www.wydawnictwa.io.waw.l/materialy-wysokoenergetyczne.html Materiały Wysokoenergetyczne /
Bardziej szczegółowoOKREŚLENIE WPŁYWU WYŁĄCZANIA CYLINDRÓW SILNIKA ZI NA ZMIANY SYGNAŁU WIBROAKUSTYCZNEGO SILNIKA
ZESZYTY NAUKOWE POLITECHNIKI ŚLĄSKIEJ 2008 Seria: TRANSPORT z. 64 Nr kol. 1803 Rafał SROKA OKREŚLENIE WPŁYWU WYŁĄCZANIA CYLINDRÓW SILNIKA ZI NA ZMIANY SYGNAŁU WIBROAKUSTYCZNEGO SILNIKA Streszczenie. W
Bardziej szczegółowoZASTOSOWANIE RADIALNYCH SIECI NEURONOWYCH W DETEKCJI USZKODZEŃ WIRNIKA SILNIKA INDUKCYJNEGO
71 Marcin Kamiński, Teresa Orłowska-Kowalska, Czesław T. Kowalski Politechnika Wrocławska, Wrocław ZASTOSOWANIE RADIALNYCH SIECI NEURONOWYCH W DETEKCJI USZKODZEŃ WIRNIKA SILNIKA INDUKCYJNEGO APPLICATION
Bardziej szczegółowoWYZNACZANIE WSPÓŁCZYNNIKÓW KIERUNKOWYCH CHARAKTERYSTYK RUCHU POCISKÓW W BADANIACH SYMULACYJNYCH FALI TYPU N
XVII Międzynarodowa Szkoła Komuterowego Wsomagania Projektowania, Wytwarzania i Eksloatacji Dr hab. inż. Jan PIETRASIEŃSKI, rof. WAT Dr inż. Dariusz RODZIK Wojskowa Akademia Techniczna Mgr inż. Stanisław
Bardziej szczegółowoJak określić stopień wykorzystania mocy elektrowni wiatrowej?
Jak określić stoień wykorzystania mocy elektrowni wiatrowej? Autorzy: rof. dr hab. inŝ. Stanisław Gumuła, Akademia Górniczo-Hutnicza w Krakowie, mgr Agnieszka Woźniak, Państwowa WyŜsza Szkoła Zawodowa
Bardziej szczegółowoWibroakustyczna diagnostyka łożysk tocznych
Wibroakustyczna łożysk tocznych Tomasz Zając Łożyska toczne występują obecnie w wielu maszynach obrotowych w różnych gałęziach przemysłu. Diagnozowanie ich stanu, jakości wykonania i montażu, wielkości
Bardziej szczegółowoStatystyka przyczyn uszkodzeń łożysk tocznych wg producentów
Statystyka przyczyn uszkodzeń łożysk tocznych wg producentów 36 % 34 % 15 % 14 % 1 % Złe smarowanie Obciążenia zmęczeniowe Zły montaż Zanieczyszczenia Pozostałe Metody diagnostyczne stosowane do kontroli
Bardziej szczegółowoMODELOWANIE POŻARÓW. Ćwiczenia laboratoryjne. Ćwiczenie nr 1. Obliczenia analityczne parametrów pożaru
MODELOWANIE POŻARÓW Ćwiczenia laboratoryjne Ćwiczenie nr Obliczenia analityczne arametrów ożaru Oracowali: rof. nadzw. dr hab. Marek Konecki st. kt. dr inż. Norbert uśnio Warszawa Sis zadań Nr zadania
Bardziej szczegółowoWidzenie komputerowe (computer vision)
Widzenie komputerowe (computer vision) dr inż. Marcin Wilczewski 2018/2019 Organizacja zajęć Tematyka wykładu Cele Python jako narzędzie uczenia maszynowego i widzenia komputerowego. Binaryzacja i segmentacja
Bardziej szczegółowoID1SII4. Informatyka I stopień (I stopień / II stopień) ogólnoakademicki (ogólno akademicki / praktyczny) stacjonarne (stacjonarne / niestacjonarne)
Załącznik nr 7 do Zarządzenia Rektora nr 10/12 z dnia 21 lutego 2012r. KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu ID1SII4 Nazwa modułu Systemy inteligentne 1 Nazwa modułu w języku angielskim Intelligent
Bardziej szczegółowoWybór / ocena atrybutów na podstawie oceny jakości działania wybranego klasyfikatora.
Wprowadzenie do programu RapidMiner Studio 7.6, część 7 Podstawy metod wyboru atrybutów w problemach klasyfikacyjnych, c.d. Michał Bereta www.michalbereta.pl Wybór / ocena atrybutów na podstawie oceny
Bardziej szczegółowoRozmyte drzewa decyzyjne. Łukasz Ryniewicz Metody inteligencji obliczeniowej
µ(x) x µ(x) µ(x) x x µ(x) µ(x) x x µ(x) x µ(x) x Rozmyte drzewa decyzyjne Łukasz Ryniewicz Metody inteligencji obliczeniowej 21.05.2007 AGENDA 1 Drzewa decyzyjne kontra rozmyte drzewa decyzyjne, problemy
Bardziej szczegółowoĆwiczenie 4. Wyznaczanie poziomów dźwięku na podstawie pomiaru skorygowanego poziomu A ciśnienia akustycznego
Ćwiczenie 4. Wyznaczanie oziomów dźwięku na odstawie omiaru skorygowanego oziomu A ciśnienia akustycznego Cel ćwiczenia Zaoznanie z metodą omiaru oziomów ciśnienia akustycznego, ocena orawności uzyskiwanych
Bardziej szczegółowoSztuczna Inteligencja Tematy projektów Sieci Neuronowe
PB, 2009 2010 Sztuczna Inteligencja Tematy projektów Sieci Neuronowe Projekt 1 Stwórz projekt implementujący jednokierunkową sztuczną neuronową złożoną z neuronów typu sigmoidalnego z algorytmem uczenia
Bardziej szczegółowoMODELOWANIE INŻYNIERSKIE ISSN X 38, s , Gliwice 2009
MODELOWANIE INŻYNIERSKIE ISSN 1896-771X 38, s. 309-319, Gliwice 2009 NUMERYCZNA METODYKA IDENTYFIKACJI MODELU CHABOCHE A NA PODSTAWIE BADAŃ EKSPERYMENTALNYCH SPECJALNYCH STRUKTUR GRANULOWANYCH ROBERT ZALEWSKI
Bardziej szczegółowoWykrywanie uszkodzeń łożysk tocznych i klatek wirników silników indukcyjnych w oparciu o sygnały akustyczne
Wykrywanie uszkodzeń łożysk tocznych i klatek wirników silników indukcyjnych w oparciu o sygnały akustyczne Jarosław Starczyński Maciej Sułowicz 1. Wstęp Silniki indukcyjne są najczęściej stosowanymi maszynami
Bardziej szczegółowoSELEKCJA SYGNAŁÓW DRGANIOWYCH PRZEKŁADNI ZĘBATYCH UKIERUNKOWANA NA DIAGNOSTYKĘ SELECTION OF TOOTHED GEAR VIBRATIONS SIGNALS FOR DIAGNOSTICS
ZESZYTY NAUKOWE POLITECHNIKI ŚLĄSKIEJ 2008 Seria: TRANSPORT z. 64 Nr kol. 1803 Grzegorz WOJNAR SELEKCJA SYGNAŁÓW DRGANIOWYCH PRZEKŁADNI ZĘBATYCH UKIERUNKOWANA NA DIAGNOSTYKĘ Streszczenie. W niniejszym
Bardziej szczegółowoBADANIA SYMULACYJNE PROCESU IMPULSOWEGO ZAGĘSZCZANIA MAS FORMIERSKICH. W. Kollek 1 T. Mikulczyński 2 D.Nowak 3
VI KONFERENCJA ODLEWNICZA TECHNICAL 003 BADANIA SYMULACYJNE PROCESU IMPULSOWEGO ZAGĘSZCZANIA MAS FORMIERSKICH BADANIA SYMULACYJNE PROCESU IMPULSOWEGO ZAGĘSZCZANIA MAS FORMIERSKICH W. Kollek 1 T. Mikulczyński
Bardziej szczegółowoAKADEMIA MORSKA KATEDRA NAWIGACJI TECHNICZEJ
AKADEMIA MORSKA KATEDRA NAWIGACJI TECHNICZEJ ELEMETY ELEKTRONIKI LABORATORIUM Kierunek NAWIGACJA Secjalność Transort morski Semestr II Ćw. 3 Badanie rzebiegów imulsowych Wersja oracowania Marzec 2005 Oracowanie:
Bardziej szczegółowoTomasz Pawlak. Zastosowania Metod Inteligencji Obliczeniowej
1 Zastosowania Metod Inteligencji Obliczeniowej Tomasz Pawlak 2 Plan prezentacji Sprawy organizacyjne Wprowadzenie do metod inteligencji obliczeniowej Studium wybranych przypadków zastosowań IO 3 Dane
Bardziej szczegółowoSIECI RBF (RADIAL BASIS FUNCTIONS)
SIECI RBF (RADIAL BASIS FUNCTIONS) Wybrane slajdy z prezentacji prof. Tadeusiewicza Wykład Andrzeja Burdy S. Osowski, Sieci Neuronowe w ujęciu algorytmicznym, Rozdz. 5, PWNT, Warszawa 1996. opr. P.Lula,
Bardziej szczegółowoWIELOKRYTERIALNY DOBÓR PARAMETRÓW OPERATORA MUTACJI W ALGORYTMIE EWOLUCYJNYM UCZENIA SIECI NEURONOWEJ
POZNAN UNIVE RSITY OF TE CHNOLOGY ACADE MIC JOURNALS No 91 Electrical Engineering 2017 DOI 10.21008/j.1897-0737.2017.91.0017 Stanisław PŁACZEK* WIELOKRYTERIALNY DOBÓR PARAMETRÓW OPERATORA MUTACJI W ALGORYTMIE
Bardziej szczegółowoElementy inteligencji obliczeniowej
Elementy inteligencji obliczeniowej Paweł Liskowski Institute of Computing Science, Poznań University of Technology 9 October 2018 1 / 19 Perceptron Perceptron (Rosenblatt, 1957) to najprostsza forma sztucznego
Bardziej szczegółowoPodstawy Sztucznej Inteligencji (PSZT)
Podstawy Sztucznej Inteligencji (PSZT) Paweł Wawrzyński Uczenie maszynowe Sztuczne sieci neuronowe Plan na dziś Uczenie maszynowe Problem aproksymacji funkcji Sieci neuronowe PSZT, zima 2013, wykład 12
Bardziej szczegółowoWYRÓWNOWAŻANIE MAS W RUCHU OBROTOWYM
CZASOPISMO INŻYNIERII LĄDOWEJ, ŚRODOWISKA I ARCHITEKTURY JOURNAL OF CIVIL ENGINEERING, ENVIRONMENT AND ARCHITECTURE JCEEA, t. XXXI, z. 61 (/14), kwiecień-czerwiec 014, s. 161-17 Dariusz SZYBICKI 1 Łukasz
Bardziej szczegółowoS O M SELF-ORGANIZING MAPS. Przemysław Szczepańczyk Łukasz Myszor
S O M SELF-ORGANIZING MAPS Przemysław Szczepańczyk Łukasz Myszor Podstawy teoretyczne Map Samoorganizujących się stworzył prof. Teuvo Kohonen (1982 r.). SOM wywodzi się ze sztucznych sieci neuronowych.
Bardziej szczegółowoDIAGNOSTYKA ŁOŻYSK TOCZNYCH SILNIKÓW ELEKTRYCZNYCH PRZY WYKORZYSTANIU METODY ANALIZY CZĘSTOTLIWOŚCIOWEJ ORAZ METODY DETEKCJI OBWIEDNI
Zeszyty Problemowe Maszyny Elektryczne Nr 2/2014 (102) 157 Marek Klimowski Politechnika Opolska, Opole DIAGNOSTYKA ŁOŻYSK TOCZNYCH SILNIKÓW ELEKTRYCZNYCH PRZY WYKORZYSTANIU METODY ANALIZY CZĘSTOTLIWOŚCIOWEJ
Bardziej szczegółowoDOBÓR MODELU NAPRĘŻENIA UPLASTYCZNIAJĄCEGO DO PROGRAMU STERUJĄCEGO WALCOWANIEM BLACH GRUBYCH W CZASIE RZECZYWISTYM
DOBÓR MODELU NAPRĘŻENIA UPLASTYCZNIAJĄCEGO DO PROGRAMU STERUJĄCEGO WALCOWANIEM BLACH GRUBYCH W CZASIE RZECZYWISTYM D. Svietlichnyj *, K. Dudek **, M. Pietrzyk ** * Metalurgiczna Akademia Nauk, Dnieroietrowsk,
Bardziej szczegółowoWYKRYWANIE USZKODZEŃ W SILNIKACH INDUKCYJNYCH W OPARCIU O SYGNAŁY AKUSTYCZNE
Maszyny Elektryczne Zeszyty Problemowe Nr 4/21 (18) 149 Jarosław Starczyński, Maciej Sułowicz [1] Politechnika Krakowska WYKRYWANIE USZKODZEŃ W SILNIKACH INDUKCYJNYCH W OPARCIU O SYGNAŁY AKUSTYCZNE FAULT
Bardziej szczegółowoOBCIĄŻALNOŚĆ PRĄDOWA GÓRNEJ SIECI TRAKCYJNEJ CURRENT-CARRYING CAPACITY OF OVERHEAD CONTACT LINE
ARTUR ROJEK, WIESŁAW MAJEWSKI, MAREK KANIEWSKI, TADEUSZ KNYCH OBCIĄŻALNOŚĆ PRĄDOWA GÓRNEJ SIECI TRAKCYJNEJ CURRENT-CARRYING CAPACITY OF OVERHEAD CONTACT LINE Streszczenie W artykule rzedstawiono wyniki
Bardziej szczegółowoBezpośrednie przyczyny awarii maszyn
Bezpośrednie przyczyny awarii maszyn Zniszczenie łożysk ( ok. 80 %) Niewyważenie Niewspół - osiowość Powiększone luzy Sztywność konstrukcji Uszkodzenie przekładni zębatej Pozostałe Statystyka przyczyn
Bardziej szczegółowoALGORYTM RANDOM FOREST
SKRYPT PRZYGOTOWANY NA ZAJĘCIA INDUKOWANYCH REGUŁ DECYZYJNYCH PROWADZONYCH PRZEZ PANA PAWŁA WOJTKIEWICZA ALGORYTM RANDOM FOREST Katarzyna Graboś 56397 Aleksandra Mańko 56699 2015-01-26, Warszawa ALGORYTM
Bardziej szczegółowoZASTOSOWANIE SIECI NEURONOWYCH DO OPTYMALIZACJI WARUNKÓW OBRÓBKI CIEPLNEJ STOPÓW Mg-Al
LESZEK A. DOBRZAŃSKI, TOMASZ TAŃSKI ZASTOSOWANIE SIECI NEURONOWYCH DO OPTYMALIZACJI WARUNKÓW OBRÓBKI CIEPLNEJ STOPÓW Mg-Al APPLICATION OF NEURAL NETWORKS FOR OPTIMISATION OF Mg-Al ALLOYS HEAT TREATMENT
Bardziej szczegółowoJ. Szantyr - Wykład nr 30 Podstawy gazodynamiki II. Prostopadłe fale uderzeniowe
Proagacja zaburzeń o skończonej (dużej) amlitudzie. W takim rzyadku nie jest możliwa linearyzacja równań zachowania. Rozwiązanie ich w ostaci nieliniowej jest skomlikowane i rowadzi do nastęujących zależności
Bardziej szczegółowoAnaliza strat tarcia towarzyszących przemieszczaniu się pierścienia tłokowego
ARCHIWUM MOTORYZACJI 3,. 1-10 (2006) Analiza strat tarcia towarzyszących rzemieszczaniu się ierścienia tłokowego WOJCIECH SERDECKI Politechnika Poznańska Instytut Silników Salinowych i Transortu Podczas
Bardziej szczegółowoJest to zasada zachowania energii w termodynamice - równoważność pracy i ciepła. Rozważmy proces adiabatyczny sprężania gazu od V 1 do V 2 :
I zasada termodynamiki. Jest to zasada zachowania energii w termodynamice - równoważność racy i cieła. ozważmy roces adiabatyczny srężania gazu od do : dw, ad - wykonanie racy owoduje rzyrost energii wewnętrznej
Bardziej szczegółowoDEKOMPOZYCJA HIERARCHICZNEJ STRUKTURY SZTUCZNEJ SIECI NEURONOWEJ I ALGORYTM KOORDYNACJI
POZNAN UNIVE RSITY OF TE CHNOLOGY ACADE MIC JOURNALS No 80 Electrical Engineering 2014 Stanisław PŁACZEK* DEKOMPOZYCJA HIERARCHICZNEJ STRUKTURY SZTUCZNEJ SIECI NEURONOWEJ I ALGORYTM KOORDYNACJI W artykule
Bardziej szczegółowoZastosowania sieci neuronowych
Zastosowania sieci neuronowych aproksymacja LABORKA Piotr Ciskowski zadanie 1. aproksymacja funkcji odległość punktów źródło: Żurada i in. Sztuczne sieci neuronowe, przykład 4.4, str. 137 Naucz sieć taką
Bardziej szczegółowoMultiklasyfikatory z funkcją kompetencji
3 stycznia 2011 Problem klasyfikacji Polega na przewidzeniu dyskretnej klasy na podstawie cech obiektu. Obiekt jest reprezentowany przez wektor cech Zbiór etykiet jest skończony x X Ω = {ω 1, ω 2,...,
Bardziej szczegółowoDIAGNOZOWANIE Ł O Ż YSKA ROLKI NAPINACZA PASKA ROZRZĄ DU SILNIKA SPALINOWEGO PRZY WYKORZYSTANIU DRGAŃ
ZESZYTY NAUKOWE AKADEMII MARYNARKI WOJENNEJ ROK LII NR 1 (184) 211 Henryk Madej Zbigniew Stanik Jan Warczek Politechnika Ś l ą ska DIAGNOZOWANIE Ł O Ż YSKA ROLKI NAPINACZA PASKA ROZRZĄ DU SILNIKA SPALINOWEGO
Bardziej szczegółowoWPŁYW USZKODZENIA TRANZYSTORA IGBT PRZEKSZTAŁTNIKA CZĘSTOTLIWOŚCI NA PRACĘ NAPĘDU INDUKCYJNEGO
Prace Naukowe Instytutu Maszyn, Napędów i Pomiarów Elektrycznych Nr 69 Politechniki Wrocławskiej Nr 69 Studia i Materiały Nr 33 2013 Kamil KLIMKOWSKI*, Mateusz DYBKOWSKI* DTC-SVM, DFOC, silnik indukcyjny,
Bardziej szczegółowoZASTOSOWANIE ANALIZY FALKOWEJ DO DIAGNOSTYKI ŁOŻYSK TOCZNYCH SILNIKÓW INDUKCYJNYCH
Prace Naukowe Instytutu Maszyn, Napędów i Pomiarów Elektrycznych Nr 66 Politechniki Wrocławskiej Nr 66 Studia i Materiały Nr 32 2012 Paweł EWERT*, Czesław T. KOWALSKI* monitorowanie stanu łożysk tocznych,
Bardziej szczegółowoANALIZA WYBRANYCH DETEKTORÓW USZKODZEŃ CZUJNIKA PRĘDKOŚCI KĄTOWEJ W NAPĘDACH Z SILNIKAMI INDUKCYJNYMI
Prace Naukowe Instytutu Maszyn, Napędów i Pomiarów Elektrycznych Nr 70 Politechniki Wrocławskiej Nr 70 Studia i Materiały Nr 34 2014 Kamil KLIMKOWSKI, Mateusz DYBKOWSKI* DFOC, czujnik prędkości, silnik
Bardziej szczegółowo5. Analiza dyskryminacyjna: FLD, LDA, QDA
Algorytmy rozpoznawania obrazów 5. Analiza dyskryminacyjna: FLD, LDA, QDA dr inż. Urszula Libal Politechnika Wrocławska 2015 1 1. Liniowe funkcje dyskryminacyjne Liniowe funkcje dyskryminacyjne mają ogólną
Bardziej szczegółowo8. Drzewa decyzyjne, bagging, boosting i lasy losowe
Algorytmy rozpoznawania obrazów 8. Drzewa decyzyjne, bagging, boosting i lasy losowe dr inż. Urszula Libal Politechnika Wrocławska 2015 1 1. Drzewa decyzyjne Drzewa decyzyjne (ang. decision trees), zwane
Bardziej szczegółowoANALIZA MOŻLIWOŚCI WYKORZYSTANIA SYGNAŁÓW AKUSTYCZNYCH W DIAGNOSTYCE MASZYN ASYNCHRONICZNYCH PRACUJĄCYCH PRZY ZMIENNYM OBCIĄŻENIU
Maszyny Elektryczne Zeszyty Problemowe Nr 4/2015 (108) 171 Jarosław Tulicki, Maciej Sułowicz Politechnika Krakowska ANALIZA MOŻLIWOŚCI WYKORZYSTANIA SYGNAŁÓW AKUSTYCZNYCH W DIAGNOSTYCE MASZYN ASYNCHRONICZNYCH
Bardziej szczegółowo5.3. Analiza maskowania przez kompaktory IED-MISR oraz IET-MISR wybranych uszkodzeń sieci połączeń Podsumowanie rozdziału
3 SPIS TREŚCI WYKAZ WAŻNIEJSZYCH SKRÓTÓW... 9 WYKAZ WAŻNIEJSZYCH OZNACZEŃ... 12 1. WSTĘP... 17 1.1. Zakres i układ pracy... 20 1.2. Matematyczne podstawy opisu wektorów i ciągów binarnych... 25 1.3. Podziękowania...
Bardziej szczegółowoMetody doświadczalne w hydraulice Ćwiczenia laboratoryjne. 1. Badanie przelewu o ostrej krawędzi
Metody doświadczalne w hydraulice Ćwiczenia laboratoryjne 1. adanie rzelewu o ostrej krawędzi Wrowadzenie Przelewem nazywana jest cześć rzegrody umiejscowionej w kanale, onad którą może nastąić rzeływ.
Bardziej szczegółowoMetody klasyfikacji danych - część 1 p.1/24
Metody klasyfikacji danych - część 1 Inteligentne Usługi Informacyjne Jerzy Dembski Metody klasyfikacji danych - część 1 p.1/24 Plan wykładu - Zadanie klasyfikacji danych - Przeglad problemów klasyfikacji
Bardziej szczegółowoTermodynamika techniczna
Termodynamika techniczna Wydział Geologii, Geofizyki i Ochrony Środowiska Ekologiczne Źródła Energii II rok Pomiar wilgotności owietrza Instrukcja do ćwiczenia Katedra Systemów Energetycznych i Urządzeń
Bardziej szczegółowo1. Historia 2. Podstawy neurobiologii 3. Definicje i inne kłamstwa 4. Sztuczny neuron i zasady działania SSN. Agenda
Sieci neuropodobne 1. Historia 2. Podstawy neurobiologii 3. Definicje i inne kłamstwa 4. Sztuczny neuron i zasady działania SSN Agenda Trochę neurobiologii System nerwowy w organizmach żywych tworzą trzy
Bardziej szczegółowoSYSTEMY UCZĄCE SIĘ WYKŁAD 1. INFORMACJE WSTĘPNE. Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska.
SYSTEMY UCZĄCE SIĘ WYKŁAD 1. INFORMACJE WSTĘPNE Częstochowa 2014 Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska PLAN WYKŁADU WSTĘP W 1 Uczenie się w ujęciu algorytmicznym. W
Bardziej szczegółowoBadanie wpływu zakłóceń sygnałów wejściowych regulatorów typu PI w układzie sterowania polowo-zorientowanego z silnikiem indukcyjnym
dr inż. WIKTOR HUDY dr hab. inż. KAZIMIERZ JARACZ Uniwersytet Pedagogiczny im. KEN w Krakowie Badanie wpływu zakłóceń sygnałów wejściowych regulatorów typu PI w układzie sterowania polowo-zorientowanego
Bardziej szczegółowoWYKRYWANIE LUZU W UKŁADZIE TŁOK CYLINDER PRZY WYKORZYSTANIU ANALIZY EMD
4-2008 PROBLEMY EKSPLOATACJI 65 Piotr CZECH, Henryk MADEJ Politechnika Śląska, Gliwice WYKRYWANIE LUZU W UKŁADZIE TŁOK CYLINDER PRZY WYKORZYSTANIU ANALIZY EMD Słowa kluczowe Diagnostyka, silniki spalinowe,
Bardziej szczegółowoOntogeniczne sieci neuronowe. O sieciach zmieniających swoją strukturę
Norbert Jankowski Ontogeniczne sieci neuronowe O sieciach zmieniających swoją strukturę Warszawa 2003 Opracowanie książki było wspierane stypendium Uniwersytetu Mikołaja Kopernika Spis treści Wprowadzenie
Bardziej szczegółowo