| dc.contributor.author | Парфиевич, Андрей Николаевич | |
| dc.contributor.author | Драган, Александр Вячеславович | |
| dc.contributor.author | Сокол, Виктор Александрович | |
| dc.coverage.spatial | Брест | ru_RU |
| dc.date.accessioned | 2020-04-21T15:52:26Z | |
| dc.date.available | 2020-04-21T15:52:26Z | |
| dc.date.issued | 2019 | |
| dc.identifier.citation | Парфиевич, А. Н. Влияние изменяющихся условий эксплуатации на работу ранее обученной нейросетевой модели при выявлении локального повреждения рабочей поверхности зубчатого колеса / А. Н. Парфиевич, А. В. Драган, В. А. Сокол // Вестник Брестского государственного технического университета. Серия: Машиностроение. – 2019. – № 4. – С. 4–10 : ил. – Библиогр.: с. 10 (7 назв.). | ru_RU |
| dc.identifier.uri | https://rep.bstu.by/handle/data/5021 | |
| dc.description | PARFIEVICH A. N., DRAGAN A. V., SOKOL V. A. The influence of changing operating conditions on the previously trained neural network
model in identifying local damage to the working surface of the gear wheel | ru_RU |
| dc.description.abstract | В статье рассмотрена возможность диагностирования локальных
повреждений рабочих поверхностей зубьев шестерен в составе многовального зубчатого привода на основе анализа акустического сигнала
ранее обученной нейросетевой моделью на основе нейронов Кохонена при изменяющихся условиях эксплуатации. Предложенная искусственная нейронная сеть доказала свою эффективность при аналогичных условиях работы объектов в процессе диагностирования и обучения, однако при введении в ход эксперимента дополнительных составляющих (изменение уровня масла и нагрузки на выходном валу)
смогла классифицировать лишь три класса состояния зуба: целый,
дефектный зуб и без зуба. | ru_RU |
| dc.language.iso | ru | ru_RU |
| dc.publisher | БрГТУ | ru_RU |
| dc.subject | методы испытания материалов | ru_RU |
| dc.subject | material testing methods | ru_RU |
| dc.title | Влияние изменяющихся условий эксплуатации на работу ранее обученной нейросетевой модели при выявлении локального повреждения рабочей поверхности зубчатого колеса | ru_RU |
| dc.type | Статья (Article) | ru_RU |
| dc.identifier.udc | 620.179.18 | ru_RU |
| dc.abstract.alternative | The article considers the possibility of diagnosing local damage to the working surfaces of gear teeth in the multi-shaft gear drive based on the
analysis of the acoustic signal previously trained neural network model based on Kohonen neurons under changing operating conditions. The proposed
artificial neural network proved its effectiveness under similar conditions of objects in the process of diagnosis and training, however, with the
introduction of additional components in the course of the experiment (changes in the oil level and the load on the output shaft) was able to classify only
three classes of tooth condition: whole, defective tooth and without tooth. | ru_RU |
