Wyszukiwanie:
|
![](/suw/files/portal_graph/help/helpSmallBW.png)
|
Sortowanie:
|
|
|
Bibliografia Publikacji Pracowników PK (50021) | Inne bazy bibliograficzne (15019) Architektura i Sztuka Krakowa (2298) | Historia i Ludzie PK – baza w przygotowaniu (0) | Konferencje Krynickie - Referaty (7776) LXVII Konferencja Naukowa, 2022 (41) | LXVI Konferencja Naukowa, 2020 (67) | LXV Konferencja Naukowa, 2019 (58) | LXIV Konferencja Naukowa, 2018 (139) | LXIII Konferencja Naukowa, 2017 (136) | LXII Konferencja Naukowa, 2016 (150) | LXI Konferencja Naukowa, 2015 (145) | LX Konferencja Naukowa, 2014 (190) | LIX Konferencja Naukowa, 2013 (110) | LVIII Konferencja Naukowa, 2012 (168) | LVII Konferencja Naukowa, 2011 (111) | LVI Konferencja Naukowa, 2010 (130) | LV Konferencja Naukowa, 2009 (108) | LIV Konferencja Naukowa, 2008 (161) | LIII Konferencja Naukowa, 2007 (161) | LII Konferencja Naukowa, 2006 (123) | LI Konferencja Naukowa, 2005 (113) | L Konferencja Naukowa, 2004 (165) | XLIX Konferencja Naukowa, 2003 (125) | XLVIII Konferencja Naukowa, 2002 (137) | XLVII Konferencja Naukowa, 2001 (154) | XLVI Konferencja Naukowa, 2000 (140) | XLV Konferencja Naukowa, 1999 (161) | XLIV Konferencja Naukowa, 1998 (140) | XLIII Konferencja Naukowa, 1997 (153) | XLII Konferencja Naukowa, 1996 (164) | XLI Konferencja Naukowa, 1995 (173) | XL Konferencja Naukowa, 1994 (151) | XXXIX Konferencja Naukowa, 1993 (148) | XXXVIII Konferencja Naukowa, 1992 (117) | XXXVII Konferencja Naukowa, 1991 (125) | XXXVI Konferencja Naukowa, 1990 (109) | XXXV Konferencja Naukowa, 1989 (150) | XXXIV Konferencja Naukowa, 1988 (177) | XXXIII Konferencja Naukowa, 1987 (195) | XXXII Konferencja Naukowa, 1986 (190) | XXXI Konferencja Naukowa, 1985 (180) | XXX Konferencja Naukowa, 1984 (143) | XXIX Konferencja Naukowa, 1983 (141) | XXVIII Konferencja Naukowa, 1982 (120) | XXVII Konferencja Naukowa, 1981 (160) | XXVI Konferencja Naukowa, 1980 (169) | XXV Konferencja Naukowa, 1979 (177) | XXIV Konferencja Naukowa, 1978 (143) | XXIII Konferencja Naukowa, 1977 (120) | XXII Konferencja Naukowa, 1976 (143) | XXI Konferencja Naukowa, 1975 (132) | XX Konferencja Naukowa, 1974 (151) | XIX Konferencja Naukowa, 1973 (131) | XVIII Konferencja Naukowa, 1972 (112) | XVII Konferencja Naukowa, 1971 (120) | XVI Konferencja Naukowa, 1970 (116) | XV Konferencja Naukowa, 1969 (75) | XIV Konferencja Naukowa, 1968 (114) | XIII Konferencja Naukowa, 1967 (100) | XII Konferencja Naukowa, 1966 (106) | XI Konferencja Naukowa, 1965 (81) |
| Niepublikowane prace naukowe pracowników PK (1994-2012) (4941) |
|
Jednostki PK
Opcje
|
Promotor | | dr hab. Adam Warzecha | Tytuł równoległy | | [Wielokryterialna diagnostyka maszyny synchronicznej] | Miejsce wydania | | Kraków | Data wydania | | 2016 | Język | | angielski | Liczba stron | | [16], 115 | Oznaczenie ilustracji | | rys., tab. | Bibliografia (na str.) | | 107-115 | Bibliografia (liczba pozycji) | | 96 | Charakter pracy | | publikacja naukowa | Oznaczenie streszczenia | | Summ. | Opis bibliograficzny | | Multicriteria diagnosis of synchronous machines : doctoral dissertation = [Wielokryterialna diagnostyka maszyny synchronicznej] / José Gregorio Ferreira De Sá. – Kraków, 2016. – [16], 115 s. : rys., ... więcejMulticriteria diagnosis of synchronous machines : doctoral dissertation = [Wielokryterialna diagnostyka maszyny synchronicznej] / José Gregorio Ferreira De Sá. – Kraków, 2016. – [16], 115 s. : rys., tab. – Politechnika Krakowska. Wydział Inżynierii Elektrycznej i Komputerowej. – Promotor: dr hab. Adam Warzecha. – Bibliogr. 96 poz., Summ. |
Klasyfikacja PKT | | [431900] Maszyny elektryczne [412700] Przetwarzanie danych. Przygotowanie danych [430000] Elektrotechnika [410000] Informatyka | Słowa kluczowe | | synchronous machine, fault diagnosis, machine learning, classification
maszyny synchroniczne, diagnoza uszkodzeń, uczenie maszynowe, klasyfikacja | Abstrakt | | The aim of the research was to use modern data processing techniques in detection of electric motor faults. The research focuses on formulation of procedures developing a multi-criteria diagnosis of synchronous ... więcejThe aim of the research was to use modern data processing techniques in detection of electric motor faults. The research focuses on formulation of procedures developing a multi-criteria diagnosis of synchronous machine state. To take advantage of machine learning algorithms, a significant amount of measurement data was needed. At a laboratory stand the measurements of machine with faults introduced into winding were made. The currents and voltages of windings, rotational speed, electromechanical torque and another additional signals were recorded. The collected signals were filtered and pre-processed, and to 6632 features were calculated and transformed in five tidy dataset. The sparse Linear Discriminant Analysis algorithm was used to extract the most important defined features. On the basis, the classification of the machine states is carried out. The representative results are shown in 3D scatter plots. In this way was visualize the ability of the model to identify the most discriminant features. When the knowledge matrix is well defined up to ten machine condition can be recognized. Therefore it is possible to build a machine learning algorithm capable of classifying states of synchronous machine with faulty windings based on different kind of signals. The same method can be used for the diagnostic of other types of machine.
Celem pracy było wykorzystanie nowoczesnych technik przetwarzania danych w wykrywaniu uszkodzeń silników elektrycznych. Badania koncentrowały się na sformułowaniu procedur rozwijających wielokryterialną ... więcejCelem pracy było wykorzystanie nowoczesnych technik przetwarzania danych w wykrywaniu uszkodzeń silników elektrycznych. Badania koncentrowały się na sformułowaniu procedur rozwijających wielokryterialną diagnostykę stanu maszyn synchronicznej. Aby skorzystać z algorytmów uczenia maszynowego potrzebna była znacząca liczba danych pomiarowych. Na stanowisku laboratoryjnym były wykonywane pomiary maszyny z zadanymi uszkodzeniami uzwojeń. Rejestrowane były prądy i napięcia uzwojeń, prędkość obrotowa, moment elektromagnetyczny oraz inne dodatkowe sygnały. Zebrane dane po wstępnym przetworzeniu pozwolił na określenie 6632 cech zgrupowanych w pięciu uporządkowanych zbiorach. Do wyłonienia najbardziej istotnych cech zastosowano algorytmy liniowej analizy dyskryminacyjnej. Na ich podstawie była wykonywana klasyfikacja stanów maszyny. Reprezentatywne wyniki są przedstawione na wykresach 3D. W ten sposób zastała zobrazowana zdolność modelu do identyfikowania najbardziej wyróżniających się cech. Gdy macierz wiedzy jest dobrze określona możliwe jest rozróżnianie do dziesięciu różnych stanów maszyny. Zatem możliwe jest sformułowane algorytmu uczenia maszynowego zdolnego do klasyfikowania stanów maszyny synchronicznej z uszkodzonymi uzwojeniami w oparciu o różne rodzaje sygnałów. Ta sama metoda może być wykorzystana do diagnostyki maszyn innych typów. |
Jednostka nadająca stopień | | Politechnika Krakowska. Wydział Inżynierii Elektrycznej i Komputerowej |
|