|
|
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.