diplomsko delo Visokošolskega strokovnega študijskega programa I. stopnje Strojništvo
Klemen Kubelj (Avtor), Janko Slavič (Mentor), Miha Boltežar (Komentor)

Povzetek

Osrednji problem in področje raziskovanja tega dela je strojno učenje kot pripomoček za ugotavljanje napak na strojnih elementih. V prvem delu je obravnavana raziskava, iz katere so pridobljeni surovi podatki in njihova pred-obdelava v ustrezno obliko. V omenjeni raziskavi se opazuje 5 različnih napak na ležajih: aksialna in radialna preobremenitev, preobremenitev upogibnega momenta, kontaminacija in napaka kletke. V naslednjih sklopih so predstavljene teoretične osnove strojnega učenja, algoritmi za uspešno analizo ter primeri uporabe na konkretnih podatkih. Kot pomemben del raziščemo tudi optimizacijo parametrov pri različnih modelih in obravnavamo korektnost dobljenih rezultatov

Ključne besede

diplomske naloge;strojno učenje;umetna inteligenca;kakovost;ležaj;Python;scikit-learn;sklearn;

Podatki

Jezik: Slovenski jezik
Leto izida:
Tipologija: 2.11 - Diplomsko delo
Organizacija: UL FS - Fakulteta za strojništvo
Založnik: [K. Kubelj]
UDK: 004.85:621.82(043.2)
COBISS: 16251931 Povezava se bo odprla v novem oknu
Št. ogledov: 988
Št. prenosov: 454
Ocena: 0 (0 glasov)
Metapodatki: JSON JSON-RDF JSON-LD TURTLE N-TRIPLES XML RDFA MICRODATA DC-XML DC-RDF RDF

Ostali podatki

Sekundarni jezik: Angleški jezik
Sekundarni naslov: identification of bearing faults with machine learning packet scikit-learn
Sekundarni povzetek: The main focus and research field of this work is machine learning as a tool for classifying faults of machine elements. In the first part, we address the research, from which we take the raw data and the preprocessing of the gathered data set. The research takes a look at 5 different bearing faults: axial and radial overload, bending moment, contamination and shield defect. Next, we take a look at the theoretical background of machine learning, algorithms for analysis and examples of practical use. As an important aspect we research the possibilities of optimizing model parameters and evaluate the success of our predictions.
Sekundarne ključne besede: machine learning;artificial intelligence;quality;bearing;Python;scikit-learn;sklearn;
Vrsta dela (COBISS): Diplomsko delo/naloga
Študijski program: 0
Komentar na gradivo: Univ. v Ljubljani, Fak. za strojništvo
Strani: XXII, 41 str.
ID: 10956367
Priporočena dela:
, diplomsko delo Visokošolskega strokovnega študijskega programa I. stopnje Strojništvo
, s Pythonom do prvega klasifikatorja
, diplomsko delo Visokošolskega strokovnega študijskega programa I. stopnje Strojništvo
, magistrsko delo