Detail publikace

Využiti strojového učení ve vibrodiagnostice

ZUTH, D.

Originální název

Využiti strojového učení ve vibrodiagnostice

Český název

Využiti strojového učení ve vibrodiagnostice

Typ

článek v časopise - ostatní, Jost

Jazyk

cs

Originální abstrakt

Článek se zabývá možnosti využití strojového učení ve vibrodiagnostice pro určení typu závady rotačního stroje. Vzorová (vstupní) data jsou simulována dle předpokládaného průběhu signálu rychlosti vibrací při konkrétní poruše. Poté jsou data zpracována a redukována pro použití aplikace „Matlab Classification learner app“, která vytvoří model pro rozpoznávání závady. Model je nakonec otestován na novém vzorku dat. Článek slouží k ověření možností této metody pro pozdější využití na reálném stroji. V této fázi je testováno předzpracování dat a výběr vhodné metody klasifikace.

Český abstrakt

Článek se zabývá možnosti využití strojového učení ve vibrodiagnostice pro určení typu závady rotačního stroje. Vzorová (vstupní) data jsou simulována dle předpokládaného průběhu signálu rychlosti vibrací při konkrétní poruše. Poté jsou data zpracována a redukována pro použití aplikace „Matlab Classification learner app“, která vytvoří model pro rozpoznávání závady. Model je nakonec otestován na novém vzorku dat. Článek slouží k ověření možností této metody pro pozdější využití na reálném stroji. V této fázi je testováno předzpracování dat a výběr vhodné metody klasifikace.

Klíčová slova

Vibrodiagnostika, Neuronové sítě, Classification Learner, Strojové učení, Matlab, Metody klasifikace

Vydáno

31.01.2018

Nakladatel

Asociace technických diagnostiků ČR

Místo

Ostrava

ISSN

1210-311X

Periodikum

Technická diagnostika

Ročník

XXVII

Číslo

Z1

Stát

CZ

Strany od

341

Strany do

349

Strany počet

9

URL

Dokumenty

BibTex


@article{BUT149451,
  author="Daniel {Zuth}",
  title="Využiti strojového učení ve vibrodiagnostice",
  annote="Článek se zabývá možnosti využití strojového učení ve vibrodiagnostice pro určení typu závady rotačního stroje. Vzorová (vstupní) data jsou simulována dle předpokládaného průběhu signálu rychlosti vibrací při konkrétní poruše. Poté jsou data zpracována a redukována pro použití aplikace „Matlab Classification learner app“, která vytvoří model pro rozpoznávání závady.  Model je nakonec otestován na novém vzorku dat. Článek slouží k ověření možností této metody pro pozdější využití na reálném stroji. V této fázi je testováno předzpracování dat a výběr vhodné metody klasifikace.",
  address="Asociace technických diagnostiků ČR",
  chapter="149451",
  howpublished="electronic, physical medium",
  institution="Asociace technických diagnostiků ČR",
  number="Z1",
  volume="XXVII",
  year="2018",
  month="january",
  pages="341--349",
  publisher="Asociace technických diagnostiků ČR",
  type="journal article - other"
}