|
|
Analýza poruch na základě měření vibrometrických dat
Jánoš, Vít ; Klusáček, Stanislav (oponent) ; Šedivá, Soňa (vedoucí práce)
Tato práce se zabývá analýzou vibrometrických dat ze šroubového kompresoru. Pro měření je použit jednoosý piezoelektrický snímač. V rámci práce je vyvinut software, jež skrze REST API načte měřená data a provede jejich další zpracování. To obnáší analýzu frekvenčního spektra, obálkovou analýzu či výpočet kepstra signálu. Byl také implementován algoritmus pro výpočet rychlého kurtogramu, který je použit pro stanovení demodulačního pásma při obálkové analýze. Měřená data a ukazatele z analýz jsou ukládány do databáze.
|
|
|
Porovnání metod pro identifikaci poruch valivých ložisek
Kokeš, Miroslav ; Hnidka,, Jakub (oponent) ; Klusáček, Stanislav (vedoucí práce)
Diplomová práce se zabývá porovnáním vybraných metod a parametrů pro diagnostiku stavu valivých ložisek. Vybranými statistickými parametry jsou kurtosis, crest faktor a parametr . Dalšími vybranými metodami jsou obálková analýza, kepstrální analýza a metoda ACEP. Metody jsou implementovány v programu LabVIEW a porovnány na základě odolnosti vůči šumu, rychlosti výpočtu a celkové schopnosti správně identifikovat závady valivých ložisek.
|
|
|
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.
|
|
|
Komparativní analýza aktivace svalů dolní končetiny při běhu po různých typech povrchu
Král, David ; Bačáková, Radka (vedoucí práce) ; Hojka, Vladimír (oponent)
Název: Cíle: Metody: Komparativní analýza aktivace svalů dolní končetiny při běhu po různých typech povrchu. Hlavním cílem této bakalářské práce je porovnat míru aktivace vybraných svalů dolní končetiny a relativní časování těchto aktivací mezi sebou. Měření provést na třech typech povrchu: tartan, tráva, písek a zjistit rozdíly v aktivacích vybraných svalů podle povrchu. V této práci jsem použil metodu analýzy a metodu komparace. Metodu analýzy jsem aplikoval v rozboru naměřených signálů pro běžecký krok a metodu komparace v části porovnávání průměrných cyklů běžeckých kroků z různých typů povrchu. Výsledky: Zjistil jsem, že při běhu na tartanu se aktivují všechny sledované svaly z více než 75 % průměrných cyklů do 10 % časového periody běžeckého kroku. Pro měkčí povrchy - trávu a písek můj výzkum nepotvrdil hypotézu, že čím měkčí povrch, tím větší rozdíly v aktivacích jednotlivých svalů oproti tartanu. Dále jsem zjistil, že na písečném a travnatém povrchu se v průměru prodlužuje doba aktivace svalů, které se více podílejí na stabilizaci kotníku a chodidla, tj. tibialis anterior a peroneus longus. Na písečném podkladu došlo během jednoho průměrného cyklu ke zdvojení aktivací svalu tibialis anterior. Závěr: U zdravého jedince se aktivují svaly při volném běhu v průměru s téměř totožnou dobou...
|
|
|
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.
|
|
|
Porovnání metod pro identifikaci poruch valivých ložisek
Kokeš, Miroslav ; Hnidka,, Jakub (oponent) ; Klusáček, Stanislav (vedoucí práce)
Diplomová práce se zabývá porovnáním vybraných metod a parametrů pro diagnostiku stavu valivých ložisek. Vybranými statistickými parametry jsou kurtosis, crest faktor a parametr . Dalšími vybranými metodami jsou obálková analýza, kepstrální analýza a metoda ACEP. Metody jsou implementovány v programu LabVIEW a porovnány na základě odolnosti vůči šumu, rychlosti výpočtu a celkové schopnosti správně identifikovat závady valivých ložisek.
|
host ::
RSS.