Využití umělé inteligence k monitorování stavu obráběcího stroje
Loading...
Date
Authors
ORCID
Advisor
Referee
Mark
D
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta strojního inženýrství
Abstract
Práca je zameraná na monitorovanie najviac namáhaných častí obrábacieho stroja. Použitá metóda umelej inteligencie je rekurentná neurónová sieť a jej modifikácie. Nakoľko dáta zo senzorov mali sekvenčný charakter, bolo vhodné zvoliť práve rekurentnú neuóonovú sieť. Práca sa zaoberá riešením troch úloh. Prvá úloha bola zameraná na stanovenie predpokladaného opotrebenia frézy, na základe nepriamej metódy využívajúcej neurónovú sieť. Ďalšia úloha sa zameriava na detekciu poruchy ložíska na základe dát získaných z akcelerometra. Treťou úlohou bolo predikovať dobu do poškodenia monitorovaného ložiska.
This thesis is focus on monitoring state of machine parts that are under the most stress. Type of artificial intelligence used in this work is recurrent neural network and its modifications. Chosen type of neural network was used because of the sequential character of used data. This thesis is solving three problems. In first problem algorithm is trying to determine state of mill tool wear using recurrent neural network. Used method for monitoring state is indirect. Second Problem was focused on detecting fault of a bearing and classifying it to specific category. In third problem RNN is used to predict RUL of monitored bearing.
This thesis is focus on monitoring state of machine parts that are under the most stress. Type of artificial intelligence used in this work is recurrent neural network and its modifications. Chosen type of neural network was used because of the sequential character of used data. This thesis is solving three problems. In first problem algorithm is trying to determine state of mill tool wear using recurrent neural network. Used method for monitoring state is indirect. Second Problem was focused on detecting fault of a bearing and classifying it to specific category. In third problem RNN is used to predict RUL of monitored bearing.
Description
Citation
POPARA, N. Využití umělé inteligence k monitorování stavu obráběcího stroje [online]. Brno: Vysoké učení technické v Brně. Fakulta strojního inženýrství. 2021.
Document type
Document version
Date of access to the full text
Language of document
cs
Study field
Mechatronika
Comittee
RNDr. Vladimír Opluštil (předseda)
doc. Ing. Robert Grepl, Ph.D. (místopředseda)
Ing. Dalibor Červinka, Ph.D. (člen)
doc. Ing. Jiří Krejsa, Ph.D. (člen)
doc. Ing. Čestmír Ondrůšek, CSc. (člen)
mjr. Ing. Václav Křivánek, Ph.D. (člen)
Ing. Bohumil Král, CSc. (člen)
Ing. Josef Ferda (člen)
Date of acceptance
2021-06-18
Defence
Student ve vymezeném čase prezentoval svou diplomovou práci. Poté byly předneseny posudky a student odpověděl na otázky oponenta. Následně proběhla diskuze se členy komise vztahující se k diplomové práci, při které byly položeny následující dotazy:
Co je vstupem a výstupem neuronové sítě u první ukázkové aplikace? Jakou frekvencí se vzorkuje?
Jak jste určit hodnotu „dropout“ 0,7? (zodpovězeno)
Proč jste použil síť typu LSTM? (zodpovězeno)
Proč jste nepoužil standardní frekvenční analýzu s uvažováním fyzikálních vlastností stroje? (zodpovězeno částečně)
Odkud je soubor vstupních dat? (zodpovězeno)
Result of defence
práce byla úspěšně obhájena
Document licence
Standardní licenční smlouva - přístup k plnému textu bez omezení