| Attributes | Values |
|---|
| rdf:type
| |
| Description
| - 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 iizolace, 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 charakterizuj (cs)
- 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 newdiagnostics 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, whiich 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 theresidual lifetime state to the predetermined number of categories which characterizes the total state of the electrical rotary machine insulating system winding.
- 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 newdiagnostics 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, whiich 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 theresidual lifetime state to the predetermined number of categories which characterizes the total state of the electrical rotary machine insulating system winding. (en)
|
| Title
| - LVQ neuronová síť v prognostické klasifikaci zbytkové životnosti VN izolačního materiálu Relenex. (cs)
- Application of LVQ Neural Network for Prognostic Classification of Residual Lifetime of the Relanex High Voltage Insulation Material.
- Application of LVQ Neural Network for Prognostic Classification of Residual Lifetime of the Relanex High Voltage Insulation Material. (en)
|
| skos:prefLabel
| - LVQ neuronová síť v prognostické klasifikaci zbytkové životnosti VN izolačního materiálu Relenex. (cs)
- Application of LVQ Neural Network for Prognostic Classification of Residual Lifetime of the Relanex High Voltage Insulation Material.
- Application of LVQ Neural Network for Prognostic Classification of Residual Lifetime of the Relanex High Voltage Insulation Material. (en)
|
| skos:notation
| - RIV/00216305:26210/04:PU48330!RIV06-GA0-26210___
|
| http://linked.open.../vavai/riv/strany
| |
| http://linked.open...avai/riv/aktivita
| |
| http://linked.open...avai/riv/aktivity
| |
| http://linked.open...vai/riv/dodaniDat
| |
| http://linked.open...aciTvurceVysledku
| |
| http://linked.open.../riv/druhVysledku
| |
| http://linked.open...iv/duvernostUdaju
| |
| http://linked.open...titaPredkladatele
| |
| http://linked.open...dnocenehoVysledku
| |
| http://linked.open...ai/riv/idVysledku
| - RIV/00216305:26210/04:PU48330
|
| http://linked.open...riv/jazykVysledku
| |
| http://linked.open.../riv/klicovaSlova
| - LVQ neural network, residual lifetime, classification (en)
|
| http://linked.open.../riv/klicoveSlovo
| |
| http://linked.open...ontrolniKodProRIV
| |
| http://linked.open...v/mistoKonaniAkce
| |
| http://linked.open...i/riv/mistoVydani
| |
| http://linked.open...i/riv/nazevZdroje
| - 3rd International Conference, ICPE-CA 2004
|
| http://linked.open...in/vavai/riv/obor
| |
| http://linked.open...ichTvurcuVysledku
| |
| http://linked.open...cetTvurcuVysledku
| |
| http://linked.open...vavai/riv/projekt
| |
| http://linked.open...UplatneniVysledku
| |
| http://linked.open...iv/tvurceVysledku
| |
| http://linked.open...vavai/riv/typAkce
| |
| http://linked.open.../riv/zahajeniAkce
| |
| number of pages
| |
| http://purl.org/ne...btex#hasPublisher
| |
| https://schema.org/isbn
| |
| http://localhost/t...ganizacniJednotka
| |
![[RDF Data]](/fct/images/sw-rdf-blue.png)
![[cxml]](/fct/images/cxml_doc.png)
![[csv]](/fct/images/csv_doc.png)
![[text]](/fct/images/ntriples_doc.png)
![[turtle]](/fct/images/n3turtle_doc.png)
![[ld+json]](/fct/images/jsonld_doc.png)
![[rdf+json]](/fct/images/json_doc.png)
![[rdf+xml]](/fct/images/xml_doc.png)
![[atom+xml]](/fct/images/atom_doc.png)
![[html]](/fct/images/html_doc.png)