Katedra Automatyki i Robotyki

Implementacja algorytmu genetycznego do automatycznego tworzenia, optymalizacji i testowania sztucznych sieci neuronowych przeznaczonych do diagnostyki maszyn wirujących

10.2024 23

mgr inż. Mateusz Sewioło

WE-224, 10:15

Trzecią dekadę XXI wieku z pewnością można nazwać dekadą „inteligentną”. Producenci wszystkich urządzeń starają się w jak największym stopniu implementować do swoich produktów metody oparte o sztuczną inteligencję. Trend ten dotarł również do producentów maszyn przemysłowych i rolniczych, gdzie diagnostyka maszyn sieciami neuronowymi nie jest już tylko pieśnią przyszłości, lecz staje się czymś codziennym. Ponieważ opracowywanie metod AI wymaga wysokiego stopnia wiedzy eksperckiej oraz jest czasochłonne, prezentujemy metodę automatyzacji całego procesu. Dzięki zastosowaniu trzyetapowego algorytmu genetycznego udało się stworzyć system, który może tworzyć odpowiednią architekturę AI opartą na sieciach neuronowych, optymalizować ją i testować całkowicie autonomicznie. Jej skuteczność potwierdzono, wykorzystując tą metodę do opracowania wielowejściowej, rozwidlonej sieci konwolucyjnej zdolnej do rozpoznawania dziewięciu różnych stanów (zdrowego i ośmiu różnych uszkodzeń) rolniczego przetrząsacza obrotowego z dokładnością około 98%.


× W ramach naszego serwisu www stosujemy pliki cookies zapisywane na urządzeniu użytkownika w celu dostosowania zachowania serwisu do indywidualnych preferencji użytkownika oraz w celach statystycznych.
Użytkownik ma możliwość samodzielnej zmiany ustawień dotyczących cookies w swojej przeglądarce internetowej.
Więcej informacji można znaleźć w Polityce Prywatności
Korzystając ze strony wyrażają Państwo zgodę na używanie plików cookies, zgodnie z ustawieniami przeglądarki.
Akceptuję Politykę prywatności i wykorzystania plików cookies w serwisie.