Details

Title Обнаружение неисправности манипулятора с использованием нейронной сети: выпускная квалификационная работа магистра по направлению 09.04.01 - Информатика и вычислительная техника ; 09.04.01_17 - Интеллектуальные системы (международная образовательная программа)
Creators Кхухро Сармаст Билавал
Scientific adviser Потехин Вячеслав Витальевич
Other creators Селиванова Елена Николаевна
Organization Санкт-Петербургский политехнический университет Петра Великого. Институт компьютерных наук и технологий
Imprint Санкт-Петербург, 2019
Collection Выпускные квалификационные работы ; Общая коллекция
Subjects Радиоэлектронная аппаратура — Диагностика ; Машиностроение — Автоматизация ; ошибка привода ; нейронная сеть ; линейный электромеханический привод ; диагностика
UDC 004.032.26 ; 621-52
Document type Master graduation qualification work
File type PDF
Language Russian
Level of education Master
Speciality code (FGOS) 09.04.01
Speciality group (FGOS) 090000 - Информатика и вычислительная техника
Links Отзыв руководителя ; Рецензия ; Отчет о проверке на объем и корректность внешних заимствований
DOI 10.18720/SPBPU/3/2019/vr/vr19-5773
Rights Доступ по паролю из сети Интернет (чтение, печать, копирование)
Record key ru\spstu\vkr\5091
Record create date 11/29/2019

Allowed Actions

Action 'Read' will be available if you login or access site from another network

Action 'Download' will be available if you login or access site from another network

Group Anonymous
Network Internet

Автоматизация стала необходимостью для любой отрасли, будь то услуги или производство. Это создает необходимость в автоматизации машин и оборудования. Как следствие этой автоматизации, на оборудовании выполняются самые разнообразные действия, и для таких различных задач требуются исполнительные механизмы. Кроме того, эта автоматизация может время от времени выходить из строя и требовать надлежащей системы мониторинга и технического обслуживания. Тем не менее, инструменты, необходимые для выполнения такого мониторинга, как правило, являются дорогостоящими и должны быть тщательно установлены для выполнения надлежащей проверки и баланса. В этом проекте представлена новая методика выполнения систем мониторинга высокого уровня и обнаружения аномалий с использованием данных линейных электромеханических приводов. Предлагаемый нами алгоритм основан на данных и работает с доступными функциями, такими как измерения электрического тока и положения, непосредственно от контроллера системы. Такой подход помогает обнаруживать и диагностировать неисправности, используя системную динамику. Этот подход работает во время переходного и стационарного режима, он также устраняет необходимость в инструментах и датчиках и работает независимо для выполнения обнаружения и диагностики.

Automation has become a need for every industry, be it services or manufacturing. This creates the need for automating the machinery and equipment. As a consequence of this automation, wide variety of actions are performed on the machinery and for such various task’s actuators are required. Furthermore, this automation can become faulty at times and a proper monitoring system and maintenance is required. However, the tools required for performing such monitoring are usually expensive and have to be extensively installed to perform a proper check and balance. This project presents a new technique of performing a high level of monitoring and anomaly detection system using the data from the linear electro-mechanical actuators. Our proposed algorithm is data driven and works on the available features such as electric current and position measurements directly from the controller of the system. This approach helps detect and diagnose faults using the system dynamics. This approach works during the transient and steady-state operation, it further eliminates the need of requiring tools and sensors and works independently to perform the detection and diagnosis.

Network User group Action
ILC SPbPU Local Network All
Read Print Download
Internet Authorized users SPbPU
Read Print Download
Internet Anonymous

Access count: 28 
Last 30 days: 0

Detailed usage statistics