Potencial strojnega učenja za identifikacijo napak v dinamiki rotorjev

Balkovec, Gregor (avtor), Slavič, Janko (mentor)

Obravnavan je potencial strojnega učenja pri identifikaciji napak v ležajih. V začetku je predstavljeno stanje znanosti na tem področju, katere metode strojnega učenja se uporabljajo in njihova uspešnost. Nato so predstavljene osnove najpogostejših metod. Sledi implementacija teh metod na novem naboru podatkov, ki predstavlja bolj realne pogoje vgradnje ležajev. Na koncu so metode primerjane med seboj.

• Jezik: Slovenski jezik
• Ključne besede: strojno učenje, umetna inteligenca, k-bližnjih sosedov, metoda podpornih vektorjev, večslojni perceptron, python, scikit-learn
• Vrsta gradiva: Diplomsko delo/naloga
• Tipologija: 2.11 - Diplomsko delo
• Organizacija: FS - Fakulteta za strojništvo
• Kraj izida: Ljubljana
• Založnik: [G. Balkovec]
• Leto izida: 2020
• Št. strani: XXII, 44 str.
• PID: 20.500.12556/RUL-120212
• UDK: 004.85:621.822(043.2)
• COBISS.SI-ID: 30104067
• Datum objave v RUL: 17.09.2020

Sekundarni jezik

• Jezik: Angleški jezik
• Naslov: The potential of machine learning for fault identification in rotor dynamics

Izvleček

The potential of machine learning for fault identification in bearings is discussed. Firstly, the current state in the field is presented, which machine learning methods are most commonly used and their applicability. Secondly, the basics of selected methods are presented. Finally, the implementation of selected methods on a bearing dataset is discussed. In the end, the methods are compared with each other.

• Ključne besede: machine learning, artificial intelligence, k-nearest neighbor, support-vector machine, multilayer perceptron, python, scikit-learn