Szczegóły publikacji
Opis bibliograficzny
Diagnosing the technical condition of planetary gearbox using the artificial neural network based on analysis of non-stationary signals — Diagnozowanie stanu technicznego przekładni planetarnej z wykorzystaniem sztucznej sieci neuronowej opartej na metodach analizy sygnałów niestacjonarnych / Krzysztof Popiołek, Paweł PAWLIK // Diagnostyka / Polskie Towarzystwo Diagnostyki Technicznej ; ISSN 1641-6414. — 2016 — vol. 17 no. 2, s. 57–64. — Bibliogr. s. 63–64, Summ., Streszcz.
Autorzy (2)
Słowa kluczowe
Dane bibliometryczne
| ID BaDAP | 98630 |
|---|---|
| Data dodania do BaDAP | 2016-07-28 |
| Tekst źródłowy | URL |
| Rok publikacji | 2016 |
| Typ publikacji | artykuł w czasopiśmie |
| Otwarty dostęp |  |
| Czasopismo/seria | Diagnostyka |
Streszczenie
Praca podejmuje tematykę diagnostyki stanu technicznego przekładni planetarnej pracującej przy zmiennych warunkach obciążenia. Omówiono w niej istotność podjętego tematu i trudności z nim związane. Przedstawiono również teoretyczne podstawy metody analizy sygnałów niestacjonarnych - analizy rzędów oraz jej zastosowanie przy użyciu metody przepróbkowania sygnału. W artykule zbadano funkcjonalność metody diagnozowania stanu technicznego przekładni planetarnej. Do identyfikacji oraz klasyfikacji uszkodzeń wykorzystano wielowarstwową sieć perceptronową. Wektory uczące sieci zbudowano na podstawie wyników analizy rzędów oraz pomiarze obciążenia przekładni. Przeprowadzono również analizę funkcjonalności sztucznej sieci neuronowej o architekturze dwuwarstwowej oraz trójwarstwowej jednokierunkowej, pod kątem wykorzystania do diagnozowania stanu technicznego przekładni planetarnej.
Abstract
This paper deals with the problem of diagnosing the technical condition of a planetary gearbox operating at variable load. The severity of the subject and related difficulties were discussed. Theoretical basis of analysis of non-stationary signals (order analysis) and its use in signal resampling was also presented. The paper tests the functionality of the planetary gearbox diagnostics method. The Multilayer Perceptron Network was used to identify and classify the damage. The network’s learning vectors were built on the basis of order analysis results and measurements of the planetary gearbox load. The functionality of two-layer and three-layer unidirectional artificial neural network was also analysed for potential use in diagnosing the technical condition of planetary gears.
