Будь ласка, використовуйте цей ідентифікатор, щоб цитувати або посилатися на цей матеріал: http://hdl.handle.net/123456789/14633
Назва: Fault diagnosis of natural gas pumping unit based on machine learning
Автори: Kozlenko, Mykola
Kuz, Mykola
Zamikhovska, Olena
Zamikhovskyi, Leonid
Козленко, Микола Іванович
Кузь, Микола Васильович
Заміховська, Олена
Заміховський, Леонід Михайлович
Ключові слова: deep learning
neural network
fault diagnosis
fault detection
natural gas
pumping unit
digital signal processing
classification
acoustic emission
vibration
Дата публікації: 30-вер-2022
Видавництво: Taras Shevchenko National University of Kyiv
Бібліографічний опис: M. Kozlenko, M. Kuz, O. Zamikhovska, and L. Zamikhovskyi, "Fault diagnosis of natural gas pumping unit based on machine learning," 6th International Scientific and Practical Conference on Applied Systems and Technologies in the Information Society (AISTIS), V. Pleskach, V. Zosimov, and M. Pyroh, Eds. Taras Shevchenko National University of Kyiv, Kyiv, Ukraine, Sept. 30, 2022, pp. 271-274, doi: 10.5281/zenodo.7409180
Короткий огляд (реферат): This paper presents a method for fault detection of natural gas pumping unit. It is a very difficult object for diagnosis. A lot of combinations of technical equipment, different operational conditions, and other factors require design and implementation of reliable diagnosis methods. Acoustic signal based fault diagnosis of natural gas pumping units is well known and widely used in a number of applications. Statistical modeling and frequency analysis are among the most popular. In this paper, we share our experience in the use of the classification model based on an artificial multilayered dense feed forward neural network and a deep learning approach for software-implemented diagnosis of a GTK-25-i type of pumping unit. The paper reports the overall accuracy of 0.98 and minimum F1-score of 0.8. This is competitive compared to the latest industry research findings.
URI (Уніфікований ідентифікатор ресурсу): https://zenodo.org/record/7409180
http://hdl.handle.net/123456789/14633
Розташовується у зібраннях:Статті та тези (ФМІ)

Файли цього матеріалу:
Файл Опис РозмірФормат 
AISTIS-2022_kozlenko.pdf216.97 kBAdobe PDFПереглянути/Відкрити


Усі матеріали в архіві електронних ресурсів захищені авторським правом, всі права збережені.