|
|
Měření slabého magnetického pole ve 3D prostoru
Bár, Martin ; Klusáček, Stanislav (oponent) ; Havránek, Zdeněk (vedoucí práce)
Cílem práce bylo teoreticky určit rozložení magnetického pole v okolí miniaturních NdFeB magnetů cylindrického tvaru, výsledky simulace porovnat s daty naměřenými komerčním gaussmetrem F.W. BELL a vytvořit vlastní koncepci sondy. V simulačním softwaru Ansys AIM a FEMM 4.2 byl simulován vliv fyzických rozměrů magnetu – průměru a výšky magnetu, rádia hrany magnetu a také ochranného pokovení. Z provedené simulace vyplývá, že velikost magnetické indukce na povrchu magnetu závisí na poměru průměru ku výšce magnetu. Větší rádie hrany magnetu zvětší velikost magnetické indukce těsně nad povrchem magnetu, ale ve větších vzdálenostech je magnetická indukce menší než u magnetu bez rádia. Ochranná vrstva Ni-Cu-Ni o tloušťce 21 µm má u magnetů s rozměry řádově v jednotkách milimetrů negativní vliv na velikost povrchové magnetické indukce. U nejmenšího rozměru magnetu 1x1 mm dojde v důsledku pokovení k poklesu magnetické indukce na povrchu až o 14 %. Hodnoty magnetické indukce naměřené gaussmetrem F.W. Bell nad povrchem magnetu se od simulace nejvíce lišily u magnetu 1x1 mm. S pomocí simulace magnetického pole magnetu byl vytvořen návrh sondy. V práci jsou zmíněny potenciální nedostatky této sondy a také postup při kalibraci senzorů.
|
|
|
Implementace a praktické ověření metod pro prediktivní identifikaci poruch valivých ložisek
Bár, Martin ; Havránek, Zdeněk (oponent) ; Klusáček, Stanislav (vedoucí práce)
Cílem diplomové práce je identifikovat a klasifikovat poruchy valivých ložisek. První část práce se zabývá diagnostikou ložisek s využitím vlastních naměřených dat. Byla poškozena dvě ložiska. První bylo poškozeno deformací a korozí. U druhého ložiska bylo uměle vytvořeno poškození vnější dráhy. Vibrace z běhu ložisek byly periodicky sbírány a poté zpracovány v MATLABu. Hodnoty statistických indikátorů naznačovaly poškození u obou ložisek. Obálková analýza odhalila u obou ložisek vývoj závady na vnějším kroužku a také postupný vývoj závady na kleci. V druhé části práce byly použity metody strojového učení ke klasifikaci závady na datech z databáze CWRU. Data z akcelerometru byla rozdělena dvěma způsoby do bloků. Pro 2D konvoluční síť byly z bloků vytvořeny vibrační obrázky. Nejlepší přesnosti predikce dosahovala 1D konvoluční neuronová síť (1DCNN) (99,2 %), z klasických metod strojového učení poté neuronová sít (94,6 %) a SVM (94,4 %). Na zmenšování trénovacích dat je nejodolnější metoda Random Forest a SVM, z konvolučních sítí poté MATLAB architektura a 1DCNN. Proti přidanému šumu je nejodolnější metoda Random Forest a neuronová síť, z konvolučních sítí poté 1DCNN. Pro silně zašuměná data jsou lepší klasické metody využívající statistické příznaky. Konvoluční sítě nedosahují dobré přesnosti, pravděpodobně kvůli transformaci surových dat z akcelerometru do vibračních obrázků.
|
|
|
Implementace a praktické ověření metod pro prediktivní identifikaci poruch valivých ložisek
Bár, Martin ; Havránek, Zdeněk (oponent) ; Klusáček, Stanislav (vedoucí práce)
Cílem diplomové práce je identifikovat a klasifikovat poruchy valivých ložisek. První část práce se zabývá diagnostikou ložisek s využitím vlastních naměřených dat. Byla poškozena dvě ložiska. První bylo poškozeno deformací a korozí. U druhého ložiska bylo uměle vytvořeno poškození vnější dráhy. Vibrace z běhu ložisek byly periodicky sbírány a poté zpracovány v MATLABu. Hodnoty statistických indikátorů naznačovaly poškození u obou ložisek. Obálková analýza odhalila u obou ložisek vývoj závady na vnějším kroužku a také postupný vývoj závady na kleci. V druhé části práce byly použity metody strojového učení ke klasifikaci závady na datech z databáze CWRU. Data z akcelerometru byla rozdělena dvěma způsoby do bloků. Pro 2D konvoluční síť byly z bloků vytvořeny vibrační obrázky. Nejlepší přesnosti predikce dosahovala 1D konvoluční neuronová síť (1DCNN) (99,2 %), z klasických metod strojového učení poté neuronová sít (94,6 %) a SVM (94,4 %). Na zmenšování trénovacích dat je nejodolnější metoda Random Forest a SVM, z konvolučních sítí poté MATLAB architektura a 1DCNN. Proti přidanému šumu je nejodolnější metoda Random Forest a neuronová síť, z konvolučních sítí poté 1DCNN. Pro silně zašuměná data jsou lepší klasické metody využívající statistické příznaky. Konvoluční sítě nedosahují dobré přesnosti, pravděpodobně kvůli transformaci surových dat z akcelerometru do vibračních obrázků.
|
|
|
Měření slabého magnetického pole ve 3D prostoru
Bár, Martin ; Klusáček, Stanislav (oponent) ; Havránek, Zdeněk (vedoucí práce)
Cílem práce bylo teoreticky určit rozložení magnetického pole v okolí miniaturních NdFeB magnetů cylindrického tvaru, výsledky simulace porovnat s daty naměřenými komerčním gaussmetrem F.W. BELL a vytvořit vlastní koncepci sondy. V simulačním softwaru Ansys AIM a FEMM 4.2 byl simulován vliv fyzických rozměrů magnetu – průměru a výšky magnetu, rádia hrany magnetu a také ochranného pokovení. Z provedené simulace vyplývá, že velikost magnetické indukce na povrchu magnetu závisí na poměru průměru ku výšce magnetu. Větší rádie hrany magnetu zvětší velikost magnetické indukce těsně nad povrchem magnetu, ale ve větších vzdálenostech je magnetická indukce menší než u magnetu bez rádia. Ochranná vrstva Ni-Cu-Ni o tloušťce 21 µm má u magnetů s rozměry řádově v jednotkách milimetrů negativní vliv na velikost povrchové magnetické indukce. U nejmenšího rozměru magnetu 1x1 mm dojde v důsledku pokovení k poklesu magnetické indukce na povrchu až o 14 %. Hodnoty magnetické indukce naměřené gaussmetrem F.W. Bell nad povrchem magnetu se od simulace nejvíce lišily u magnetu 1x1 mm. S pomocí simulace magnetického pole magnetu byl vytvořen návrh sondy. V práci jsou zmíněny potenciální nedostatky této sondy a také postup při kalibraci senzorů.
|
host ::
RSS.