Ταξινόμηση βλαβών ένσφαιρων εδράνων με εφαρμογή μεθόδων επεξεργασίας εικόνας και μηχανικής μάθησης.

Ραβαζούλας, Φώτιος; Ravazoulas, Fotios

dc.contributor.author	Ραβαζούλας, Φώτιος	el
dc.contributor.author	Ravazoulas, Fotios	en
dc.date.accessioned	2020-03-30T19:14:18Z
dc.date.available	2020-03-30T19:14:18Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/49981
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.17679
dc.description	Εθνικό Μετσόβιο Πολυτεχνείο--Μεταπτυχιακή Εργασία. Διεπιστημονικό-Διατμηματικό Πρόγραμμα Μεταπτυχιακών Σπουδών (Δ.Π.Μ.Σ.) “Συστήματα Αυτοματισμού”	el
dc.rights	Αναφορά Δημιουργού 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by/3.0/gr/	*
dc.subject	Διάγνωση βλαβών	el
dc.subject	Αναγνώριση εικόνας	el
dc.subject	Ταξινόμηση βλαβών	el
dc.subject	Μηχανική μάθηση	el
dc.subject	Περιστρεφόμενες μηχανές	el
dc.subject	Ένσφαιρα έδρανα	el
dc.subject	Image processing	en
dc.subject	Bispectrum	en
dc.subject	SURF	en
dc.subject	Machine learning	en
dc.subject	Fault diagnosis	en
dc.subject	Classification	en
dc.subject	K-Means	en
dc.subject	Support Vector Machines	en
dc.subject	Bag of features	en
dc.subject	Visual vocabulary	en
dc.title	Ταξινόμηση βλαβών ένσφαιρων εδράνων με εφαρμογή μεθόδων επεξεργασίας εικόνας και μηχανικής μάθησης.	el
dc.contributor.department	Τομέας Μηχανολογικών Κατασκευών & Αυτομάτου Ελέγχου	el
heal.type	masterThesis
heal.classification	Διάγνωση βλαβών	el
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2019-10-23
heal.abstract	Στην παρούσα εργασία γίνεται προσπάθεια ταξινόμησης βλαβών ένσφαιρων εδράνων με εφαρμογή μεθόδων επεξεργασίας εικόνας και μηχανικής μάθησης. Η προτεινόμενη μεθοδολογία περιλαμβάνει μία σειρά συγκεκριμένων βημάτων με σκοπό τη δημιουργία ενός μοντέλου ταξινόμησης το οποίο θα είναι σε θέση να αναγνωρίζει την λειτουργική κατάσταση μίας περιστρεφόμενης μηχανής. Αρχικά δημιουργούνται απεικονίσεις των σημάτων κραδασμών της μηχανής εφαρμόζοντας στατιστική φασματική ανάλυση τρίτης τάξης (μέθοδος bispectrum). Στη συνέχεια γίνεται εξαγωγή χαρακτηριστικών από το σετ εικόνων με χρήση της μεθόδου SURF. Τα εξαγόμενα χαρακτηριστικά ομαδοποιούνται με τη μέθοδο K-means και τα κέντρα των ομάδων χρησιμοποιούνται για την κωδικοποίηση των εικόνων σε ιστογράμματα χαρακτηριστικών. Αυτά τα ιστογράμματα χρησιμοποιούνται για την εκπαίδευση μοντέλου ταξινόμηση μέσω μηχανών διανυσματικής υποστήριξης (SVM). Η μεθοδολογία εφαρμόστηκε σε έδρανα με σφάλματα εσωτερικού και εξωτερικού δακτυλίου και έγινε αντιπαράθεση με σήματα σε κανονική κατάσταση λειτουργίας. Οι πειραματικές δοκιμές έδειξαν ικανοποιητικά αποτελέσματα όσον αφορά την ικανότητα ταξινόμησης του μοντέλου. Περαιτέρω βελτιώσεις και τροποποιήσεις στα βήματα της μεθόδου, καθώς και δοκιμές σε διαφορετικούς τύπους σφαλμάτων και μηχανών δύναται να οδηγήσουν σε ακόμα καλύτερες αποδόσεις.	el
heal.abstract	In the present paper, an attempt was made to classify ball bearing faults with a combination of image processing and machine learning methods. The proposed methodology includes several steps in order to create a classifier that is able to determine the operational state of a rotating machine. First, the machine’s vibration signals are converted into images through the use of third order statistical spectral analysis (Bispectrum). Next, interest features are extracted from the images with the SURF method. The extracted features are clustered with K-means and the cluster centers are used to encode the images into feature histograms. These histograms are, then, used to train the classifier with the use of support vector machines (SVM). The method was applied on bearings with inner and outer race faults and were compared with signals under normal conditions. The experiments showed satisfactory results regarding the accuracy of the classifier. Further improvements and modifications on the individual steps of the methodology, as well as application on different fault and machine types have the potential to lead to even better performance.	en
heal.advisorName	Αντωνιάδης, Ιωάννης
heal.committeeMemberName	Προβατίδης, Χριστόφορος
heal.committeeMemberName	Κουλοχέρης, Δημήτριος
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Μηχανολόγων Μηχανικών. Τομέας Μηχανολογικών Κατασκευών και Αυτομάτου Ελέγχου	el
heal.academicPublisherID	ntua
heal.numberOfPages	67 σ.	el
heal.fullTextAvailability	false