Detail publikace

LVQ neuronová síť v prognostické klasifikaci zbytkové životnosti VN izolačního materiálu Relenex.

HAMMER, M. LATINA, P.

Český název

LVQ neuronová síť v prognostické klasifikaci zbytkové životnosti VN izolačního materiálu Relenex.

Anglický název

Application of LVQ Neural Network for Prognostic Classification of Residual Lifetime of the Relanex High Voltage Insulation Material.

Typ

článek ve sborníku ve WoS nebo Scopus

Jazyk

en

Originální abstrakt

The question of the lifetime and reliability of materials of electrical rotary machines is still very important at present because insulation material belongs to the most sensitive and costliest part of electrical machines. Hence there are developed new diagnostics methods, which evaluate the state of insulating system of electrical machine in process. This contribution deals with LVQ neural network usage in prognostic classification of the residual lifetime state of the Relanex insulation material, which is used for insulation of electrical rotary machine windings. The residual lifetime of electrical machine is verbally classified by virtue of measured input data. Classification by the help of neural network accordingly means the determination of the residual lifetime state to the predetermined number of categories which characterizes the total state of the electrical rotary machine insulating system winding.

Český abstrakt

Otázka životnosti a spolehlivosti izolačních materiálů elektrických strojů točivých je v dnešní době stále velmi důležitá, neboť izolační materiál, u elektrickým strojů pak izolace vinutí stroje patří k nejcitlivější a nejnákladnější části elektrického zařízení. Z tohoto důvodu se vyvíjejí nové a zdokonalují již známé diagnostické metody, které zhodnocují stav izolačního systému stroje v provozních podmínkách. Nejprogresivnějšími z diagnostických metod jsou pak ty, které nejen zhodnocují současný stav izolace, ale současně umožňují určitou prognózu její životnosti v daných provozních podmínkách. Článek se zabývá využitím neuronové sítě LVQ v prognostické klasifikaci stavu zbytkové životnosti izolačního materiálu Relanex, který se používá pro izolaci vinutí elektrických strojů točivých. Zbytková životnost elektrického stroje je slovně klasifikována na základě nameřených vstupních dat. Klasifikace neuronovou sítí tedy znamená určení stavu zbytkové životnosti do předem zvoleného počtu tříd charakterizující celkový stav izolačního materiálu elektrického stroje točivého.

Anglický abstrakt

The question of the lifetime and reliability of materials of electrical rotary machines is still very important at present because insulation material belongs to the most sensitive and costliest part of electrical machines. Hence there are developed new diagnostics methods, which evaluate the state of insulating system of electrical machine in process. This contribution deals with LVQ neural network usage in prognostic classification of the residual lifetime state of the Relanex insulation material, which is used for insulation of electrical rotary machine windings. The residual lifetime of electrical machine is verbally classified by virtue of measured input data. Classification by the help of neural network accordingly means the determination of the residual lifetime state to the predetermined number of categories which characterizes the total state of the electrical rotary machine insulating system winding.

Klíčová slova česky

neuronová síť, prognostika

Klíčová slova anglicky

Neural Network, prognostics

Vydáno

01.07.2004

Nakladatel

Petrosani (Romania)

Místo

Petrosani

ISBN

973-718-026-7

Kniha

3rd International Conference, ICPE-CA 2004

Strany od–do

135–138

Počet stran

5

BIBTEX


@inproceedings{BUT17307,
  author="Miloš {Hammer} and Petr {Latina},
  title="Application of LVQ Neural Network for Prognostic Classification of Residual Lifetime of the Relanex High Voltage Insulation Material.",
  booktitle="3rd International Conference, ICPE-CA 2004",
  year="2004",
  month="July",
  pages="135--138",
  publisher="Petrosani (Romania)",
  address="Petrosani",
  isbn="973-718-026-7"
}