haku: @instructor Juutilainen, Timo / yhteensä: 1
viite: 1 / 1
« edellinen | seuraava »
Tekijä: | Hämäläinen, Ismo |
Työn nimi: | Itseorganisoituvan kartan soveltaminen koneiden kunnonvalvontaan ja vikojen luokitteluun |
Application of Self-Organising Map to the machine condition monitoring and fault classification | |
Julkaisutyyppi: | Diplomityö |
Julkaisuvuosi: | 2005 |
Sivut: | 53 Kieli: fin |
Koulu/Laitos/Osasto: | Konetekniikan osasto |
Oppiaine: | Systeemitekniikka (AS-74) |
Valvoja: | Koivo, Heikki |
Ohjaaja: | Juutilainen, Timo |
OEVS: | Sähköinen arkistokappale on luettavissa Aalto Thesis Databasen kautta.
Ohje Digitaalisten opinnäytteiden lukeminen Aalto-yliopiston Harald Herlin -oppimiskeskuksen suljetussa verkossaOppimiskeskuksen suljetussa verkossa voi lukea sellaisia digitaalisia ja digitoituja opinnäytteitä, joille ei ole saatu julkaisulupaa avoimessa verkossa. Oppimiskeskuksen yhteystiedot ja aukioloajat: https://learningcentre.aalto.fi/fi/harald-herlin-oppimiskeskus/ Opinnäytteitä voi lukea Oppimiskeskuksen asiakaskoneilla, joita löytyy kaikista kerroksista.
Kirjautuminen asiakaskoneille
Opinnäytteen avaaminen
Opinnäytteen lukeminen
Opinnäytteen tulostus
|
Sijainti: | P1 Ark Aalto | Arkisto |
Tiivistelmä (fin): | Teollisuuden kunnonvalvonnassa on siirrytty korjaavasta kunnossapidosta ennakoivaan kunnonvalvontaan. Tällä pyritään vähentämään odottamattomien seisokkien määrää ja tehostamaan tuotantoa. Samalla ihmisille ja ympäristölle aiheutuvat vaaratilanteet vähenevät. Automaattiset, älykkäät kunnonvalvontajärjestelmät ovat vähitellen tulossa osaksi teollisuuden ennakoivaa kunnonvalvontaa. Ennakoivassa kunnonvalvonnassa voidaan käyttää hyväksi analyyttisiä malleja sekä tietämys- ja tietopohjaisia malleja. Neuroverkkojen soveltuvuutta kunnonvalvontaan on tutkittu varsin laajasti. Prof. Kohonen kehitti itseorganisoituvan kartan (SOM) 1980-luvun alussa Informaatio-tekniikan laboratoriossa. Itseorganisoituvaa karttaa on sovellettu mm. hahmontunnistukseen, epälineaaristen prosessien mallintamiseen, luokitteluun sekä viime vuosina myös taloustieteisiin. Itseorganisoituva kartta on algoritmina varsin yksinkertainen ja tehokas. Lisaksi se on erittäin havainnollinen. Sille pitää vain valita järjestelmää kuvaavat syötteet. Se voidaan opettaa sopivasta syöteaineistosta tunnistamaan hyvin erilaisia vikoja, kuten esim. sähkömoottorin laakeri- ja roottoriviat. Työssä tutkittiin itseorganisoituvan kartan soveltumista induktiomoottorissa esiintyvien vikojen tunnistamiseen. Tyypillisimmät induktiotiomoottorissa esiintyvät viat ovat staattorin vauriot, roottorisauvojen vauriot sekä laakeriviat. Neuroverkon syötteinä käytetään mm. värähtelymittauksista laskettavaa taajuusspektriä sekä kiihtyvyyden korkeampiasteisia derivaattoja. Havaitaan, että sopivalla signaalinkäsittelyllä ja neuroverkolla voidaan toteuttaa hyvin erilaiset viat tunnistava automaattinen ja älykäs kunnonvalvontajärjestelmä. |
ED: | 2005-07-04 |
INSSI tietueen numero: 28981
+ lisää koriin
« edellinen | seuraava »
INSSI