| DC Field | Value | Language |
|---|
| dc.contributor.author | Криницин, П. Г. | - |
| dc.contributor.author | Ченцов, С. В. | - |
| dc.coverage.spatial | Ростов-на-Дону | en_US |
| dc.date.accessioned | 2025-02-28T09:25:31Z | - |
| dc.date.available | 2025-02-28T09:25:31Z | - |
| dc.date.issued | 2024 | - |
| dc.identifier.citation | Криницин, П. Г. Оценка состояния смазки подшипников качения с применением алгоритмов классификации = Assessment of bearing lubrication condition with the use of neural network classification / П. Г. Криницин, С. В. Ченцов // Компьютерные и информационные технологии в науке, инженерии и управлении «КомТех-2024» : материалы Всероссийской научно-технической конференции с международным участием : в 2 т. Т. 1 / Южный федеральный университет [и др.] ; отв. ред. С. И. Клевцов. – Ростов-на-Дону ; Таганрог : Издательство Южного федерального университета, 2024. – С. 372–379. | en_US |
| dc.identifier.uri | https://libeldoc.bsuir.by/handle/123456789/59242 | - |
| dc.description.abstract | Целью данной работы является исследование способа решения проблемы
снижения срока службы подшипников качения, установленных на промышленном
оборудовании, в результате их некачественной смазки в процессе
эксплуатации. Известно, что до 50% всех внеплановых простоев промышленного
оборудования происходит по причине разрушения подшипников [1 ].
При этом основной причиной отказа подшипников являются разного рода
проблемы со смазкой: избыток и недостаток смазки в подшипнике и составляют
до 40% от общего числа отказов [2].
В работе рассматривается метод классификации состояний составе
комплекса по контролю за техническим состоянием оборудования, расширяя
подшипников в зависимости от их диагностических параметров: различных
показателей вибрации и температуры. Классификация осуществляется методами
классического машинного обучения с целью выявления наилучших показателей
точности модели. | en_US |
| dc.language.iso | ru | en_US |
| dc.publisher | Издательство Южного федерального университета | en_US |
| dc.subject | материалы конференций | en_US |
| dc.subject | машинное обучение | en_US |
| dc.subject | подшипники качения | en_US |
| dc.subject | смазка | en_US |
| dc.subject | подшипники | en_US |
| dc.title | Оценка состояния смазки подшипников качения с применением алгоритмов классификации | en_US |
| dc.title.alternative | Assessment of bearing lubrication condition with the use of neural network classification | en_US |
| dc.type | Article | en_US |
| local.description.annotation | The purpose of this work is to explore a method for solving the problem of reduced
service life of rolling bearings installed on industrial equipment due to their
poor lubrication during operation. It is known that up to 50% of all unplanned
downtime of industrial equipment occurs due to bearing failure [1]. At the same
time, the main cause of bearing failure is various lubrication problems: excess and
lack of grease in the bearing account for up to 36% of all failures [2].
This work examines a method for classifying the conditions of bearings depending
on their diagnostic parameters: various indicators of vibration and temperature.
Classification is carried out using traditional machine learning methods
with the aim of identifying the best model accuracy indicators.
The developed algorithm can be successfully used as part of a system for monitoring
the technical condition of equipment, thereby expanding the capabilities of
diagnostic measures. | en_US |
| Appears in Collections: | Компьютерные и информационные технологии в науке, инженерии и управлении «КомТех-2024»
|
