W rozprawie doktorskiej przedstawiono sprzętową implementację sieci neuronowej zaprojektowanej do rozpoznawania stanu technicznego przekładni planetarnej.
W pierwszej kolejności zbudowano algorytm wstępnego przetwarzania sygnałów diagnostycznych.
Taki algorytm pozwala na wyznaczenie wektora stanu technicznego określającego stan techniczny badanego obiektu. W celu implementacji algorytmu została przeprowadzona szeroka analiza parametrów filtrów cyfrowych. Klasyfikator neuronowy został oparty o sprzętową realizację sztucznej sieci neuronowej zbudowanej w oparciu o algorytm LVQ. Algorytm wstępnego przetwarzania sygnałów oraz sieć neuronowa zostały zaimplementowane na układzie programowalnym FPGA i zweryfikowane podczas eksperymentu. W pracy również przedstawiono model dynamiczny przekładni planetarnej, który umożliwia symulację sił działających w zazębieniu oraz badanie błędu transmisji przekładni.
Podsumowując, przedstawiony system bazujący na sprzętowej implementacji sieci neuronowej, charakteryzuje się dużą wydajnością, niezawodnością oraz niskim poborem mocy. Zbudowany klasyfikator może być wykorzystany jako niezależny system monitorujący stan techniczny maszyn, również może współpracować z systemami pomiarowymi.
A hardware implementation of neural classifiers for condition monitoring of planetary gearboxes
In the thesis a hardware implementation of an artificial neural network for condition monitoring of a planetary gearbox is presented.
Firstly, the signal pre-processing algorithm was developed. Such an algorithm allows to determine the technical state vector indicating the condition of an object. In order to implement the algorithm, a wide analysis of the digital filter parameters was conducted. The neural classifier was developed on the basis of the learning vector quantization algorithm. The signal preprocessing algorithm and the neural network were implanted on the field programmable gate array and verified in the experiment. A comparison between hardware and software implementations of the developed algorithms was presented. In the thesis a dynamic model of planetary gear allowing for simulation of the meshing forces and transmission error was presented, either.
To conclude, the presented system based on hardware implementation of a neural network is characterized by high performance, high reliability and low power consumption. The developed classifier can be used as an independent monitoring system, or it can be combined with data acquisition systems.
!["Modern Science and the Nature of Life", William S. Beck, New York 1957 : [recenzja]](data:image/gif;base64,R0lGODlhAQABAIAAAP///wAAACH5BAEAAAAALAAAAAABAAEAAAICRAEAOw==)