Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Tytuł pozycji:

Analiza parametru diagnostycznego zespołu przekładniowego kombajnu zbożowego z użyciem sztucznych sieci neuronowych

Tytuł:
Analiza parametru diagnostycznego zespołu przekładniowego kombajnu zbożowego z użyciem sztucznych sieci neuronowych
Autorzy:
Cieślikowski, B.
Langman, J.
Data publikacji:
2005
Słowa kluczowe:
autodiagnoza
sztuczna sieć neuronowa
komputer pokładowy
kombajn zbożowy
autodiagnosis
artificial neural network
board computer
combine harvester
gear box
Język:
polski
Dostawca treści:
BazTech
Artykuł
  Przejdź do źródła  Link otwiera się w nowym oknie  Pełny tekst  Link otwiera się w nowym oknie
Zaprezentowano wyniki etapu prac badawczych prowadzonych przez KIMiA, zmierzające do ustalenia cech parametru diagnostycznego oceny stanu technicznego skrzyni przekładniowej kombajnu Z058. Badania te stworzą możliwość wprowadzenia systemu autodiagnozy w odniesieniu do zespołu przekładni zębatych w klasycznej skrzyni przekładniowej kombajnu Z058. Konsultacje z producentem maszyny - firmą CHN New Holland w Płocku oraz przeprowadzona analiza dokumentacji konstrukcyjnej układu napędowego ze względu na zakres podatności diagnostycznej, stanowiły podstawę do dokonania selekcji metod diagnozowania oraz wyboru sygnałów diagnostycznych. Moduł wnioskowania diagnostycznego wykorzystuje metody sztucznej inteligencji - sztuczne sieci neuronowe.
Paper presented a stage of research work realized by the Mechanical Engineering and Agrophysics Dept, intending to determine the features of diagnostic parameter to evaluating technical state of the gear box in Z058 combine harvester. The study will enable introduction of an autodiagnostic system dealing with toothed gear assembly in classic gear box of Z058 combine harvester. The consultations with machine producer (CHN New Holland, Płock) as well as the analysis of combine harvester drive system documentation in respect of its diagnostic ability, were the basis to select the diagnostic method and to choose the diagnostic signals. The modulus of diagnostic inference utilized the methods of artificial intelligence – the artificial neural network.

Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies