Model rane procjene kvarova rotacijske opreme primjenom dubokog strojnog učenja (CROSBI ID 438876)
Ocjenski rad | doktorska disertacija
Podaci o odgovornosti
Kolar, Davor
Lisjak, Dragutin
hrvatski
Model rane procjene kvarova rotacijske opreme primjenom dubokog strojnog učenja
Trend razvoja industrije prema konceptu 4.0 u području održavanja promovira ideju donošenja odluka o aktivnostima održavanja temeljenih na analitici velike količine podataka. Tradicionalni algoritmi strojnog učenja omogućavaju opisivanje i otkrivanje složenih odnosa unutar velike količine podataka, no pritom zahtijevaju ekspertno znanje iz domene problema tijekom obrade i analize ulaznih signala s ciljem određivanja relevantnih značajki na temelju kojih bi se s dovoljnom točnošću opisala zakonitost izlaznog signala. U okviru ove disertacije, a imajući u vidu trenutno stanje i trendove u području održavanja u industriji, istražena je mogućnost računalnog generiranja značajki ulaznih vibracijskih signala u cilju rane procjene nastanka i klasifikacije kvarova rotacijske opreme uslijed različitih tipova vibracijskih opterećenja. Pripremljen je i opisan eksperimentalni postav te kreiran i proveden eksperiment na temelju plana. Simulirano je osam različitih stanja opreme te su prikupljeni podaci za dvije različite brzine vrtnje. Modeliranje je provedeno primjenom algoritama dubokog strojnog učenja s ciljem točne klasifikacije tipa kvara, a na temelju automatski generiranih značajki vibracijskog signala. Tijekom procesa modeliranja, optimizirani su hiperparametri modela primjenom Bayesove optimizacije. Konačni rezultati dokazuju mogućnost primjene dubokih struktura neuronskih mreža za automatsko generiranje značajki ulaznog signala i klasifikaciju stanja opreme.
održavanje po stanju, automatizirani nadzor, vibracijska analiza, rotacijska oprema, duboko strojno učenje, konvolucijske neuronske mreže, klasifikacija stanja
nije evidentirano
engleski
Deep learning-based early fault diagnosis model for rotary machinery
nije evidentirano
condition based maintenance, monitoring, vibration analysis, rotary equipment, deep machine learning, convolution neural networks, states classification
nije evidentirano
Podaci o izdanju
174
15.11.2019.
obranjeno
Podaci o ustanovi koja je dodijelila akademski stupanj
Fakultet strojarstva i brodogradnje
Zagreb