Please use this identifier to cite or link to this item:
https://elib.psu.by/handle/123456789/27628
Title: | Algorithm of classification of shaft orbits |
Authors: | Kechik, D. Davydov, I. Loshchinin, I. Zhukovskiy, K. КЕЧИК, Д. А. Давыдов, И. Г. ЛОЩИНИН, И. В. ЖУКОВСКИЙ, К. Д. |
Other Titles: | Алгоритм Классификации Орбит Вала |
Issue Date: | 2021 |
Publisher: | Полоцкий государственный университет |
Citation: | Kechik, D. Algorithm of classification of shaft orbits / D. Kechik, I. Davydov, I. Loshchinin, K. Zhukovskiy // Вестник Полоцкого государственного университета. Серия C, Фундаментальные науки. - 2021. - № 4. - С. 35-44. |
Abstract: | Classification of spatial patterns of shaft orbits is studied in this paper. Recent methods of signal processing, such as spectral interference frequency refinement method, Mallat scattering transform were tested for task of obtaining patterns, informative features extraction and classification. Strong dependence on fluctuations of signal parameters and significant variability of spatial patterns has been discussed. Effectiveness of ranking of patterns using different approaches has been estimated using computational modelling and natural experiments. Preprocessing of signal and informative features has been considered. Approach of discrimination of different misalignment types and severities, based on rate of occurrence of classes of spatial patterns, has been proposed, its effectiveness has been demonstrated.= В настоящей работе рассматривается классификация пространственных шаблонов орбиты вала. Опробовано применение современных методов обработки сигналов (метод спектральной интерференции и рассеивающее преобразование Малла) в задаче получения пространственных шаблонов, извлечения информативных признаков и классификации. Рассматривалась сильная зависимость пространственных шаблонов от флуктуаций параметров сигнала и непостоянство их формы. Оценивалась эффективность классификации пространственных шаблонов при использовании различных подходов в ходе численного эксперимента и натурного моделирования. Рассмотрена предобработка сигнала и извлеченных информативных признаков. Предложен подход к различению типа и степени выраженности расцентровки валов, основанный на частоте встречаемости различных классов пространственных шаблонов, показана эффективность подхода. |
Keywords: | Pattern recognition Frequency domain Spatial domain Time synchronous averaging Phase processing Vibrational diagnosing Scattering transform Wavelet transform Convolutional network Support vector machine Распознавание образов Частотная область Пространственная область Синхронное усреднение Фазовая обработка Вибрационная диагностика Рассеивающее преобразование Вейвлет-преобразование Сверточная сеть Машина на опорных векторах |
URI: | https://elib.psu.by/handle/123456789/27628 |
metadata.dc.rights: | open access |
Appears in Collections: | 2021, № 4 |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.