izpis_h1_title_alt

Analiza obratovalnih parametrov ležaja sesalne enote z metodami strojnega učenja
ID Benedik, Blaž (Avtor), ID Duhovnik, Jožef (Mentor) Več o mentorju... Povezava se odpre v novem oknu, ID Tavčar, Jože (Komentor)

.pdfPDF - Predstavitvena datoteka, prenos (6,20 MB)
MD5: FC18CC16EC084761AF85B2BE16C2DCD9
.pdfPDF - Priloga, prenos (78,42 KB)
MD5: CFEF6B6CB3AA8BA37062F2D50A5E39EC
.pdfPDF - Priloga, prenos (38,08 MB)
MD5: C0C421F2E09DB414C902BA5C3789EEDB
To gradivo ima še več datotek. Celoten seznam je na voljo spodaj.

Izvleček
Jedro doktorske naloge je empirično modeliranje dobe trajanja ležaja sesalne enote. Glavne vplive na dobo trajanja smo razložili s statistično prepoznanimi vplivi širšega nabora domnevnih vplivov. Postavljeni napovedni model ocenjuje dobo trajanja ležaja za 50 odstotno verjetnost odpovedi L_50. Le-to določajo temperatura ležaja, hitrostni faktor, ekvivalentna obremenitev, količina masti, vrsta oljne osnove, vrsta ležajne kletke, vrsta tesnila, tolerančni razred in položaj ležaja v sesalni enoti. Nabor empiričnih podatkov je sprva predstavljalo 4672 populacij z 38.000 sesalnimi enotami. Stroge filtrirne zahteve so rezultirale v končnem seznamu 170-ih populacij za izgradnjo Weibullove podatkovne baze. Rezultat multiple linearne regresije je dobljen empirični model, ki skupaj z zgrajeno Weibullovo bazo predstavljajo doprinos k znanosti na področju napovedovanja dobe trajanja ležaja.

Jezik:Slovenski jezik
Ključne besede:sesalna enota, odpovedi ležaja, razpad masti, Weibullova porazdelitev, cenzurirani podatki, filtriranje testov, doba trajanja ležaja linearna regresija
Vrsta gradiva:Doktorsko delo/naloga
Organizacija:FS - Fakulteta za strojništvo
Leto izida:2018
PID:20.500.12556/RUL-106150 Povezava se odpre v novem oknu
Datum objave v RUL:01.02.2019
Število ogledov:871
Število prenosov:563
Metapodatki:XML RDF-CHPDL DC-XML DC-RDF
:
Kopiraj citat
Objavi na:Bookmark and Share

Sekundarni jezik

Jezik:Angleški jezik
Naslov:Bearing operational parameters analysis in vacuum cleaner motor using machine learning methods
Izvleček:
The focus of the thesis is the empirical modelling of bearing life. An approach towards the prediction of life through range of different conditions was used. The model estimates bearing life for 50% probability of survival - L_50, which is determined with bearing temperature, speed factor, equivalent load, grease fill, type of oil, type of bearing cage, type of seals, tolerance class and side of the motor. The empirical data initially consisted of 4672 different test populations, involving 38.000 vacuum cleaner motors. Strict filtering requirements resulted in 170 final populations selected for building Weibull databank for learning final models. The obtained empirical models gained with multiple linear regression are together with obtained databank a contribution to the science in field of bearing life forecasting.

Ključne besede:vacuum cleaner motor, bearing failure, grease deterioration, Weibull probability function, censored data Filtering of tests Bearing life Linear regression

Podobna dela

Podobna dela v RUL:
Podobna dela v drugih slovenskih zbirkah:

Datoteke

Podatki se nalagajo...

Nazaj