VIBRATION MONITORING OF JOURNAL-BOXES

The article describes possibilities to use instruments of probabilistic neural networks to classify technical conditions of the elements of frictionless bearings of rail rolling stock, analyzing vibration acoustics information, collected with the help of modern troubleshooting units. The authors show the features of operation and design of artificial neural network that results in identification of problems at 99,6% cases.

1. Данько Н. И., Тартаковский Э. Д., Ломотько Д. В., Фалендиш А. П., КалабухинЮ. Е. Обновление подвижного состава с учетом жизненного цикла // Железнодорожный транспорт. – 2011. – № 12. – С. 42–44. DankoN.I., TartakovskiyE. D., LomotkoD.V., FalendishA.P., Kalabuhin Yu.E. Renewal of rolling stock subject to life cycle [Obnovlenie podvizhnogo sostava s uchetom zhiznennogo tsikla]. Zheleznodorozhnyj transport, 2011, No 12, pp. 42–44.

2. Мартинов I. Е., Равлюк В. Г. Вібродіагностування підшипників кочення рухомого складу методом обвідної // Зб. наук. праць ДонІЗТ. – Донецьк, 2010. – Вип. 23. – С. 127–134. Martynov I. E., Ravluk V. G. Vibral troubleshooting of frictionless bearings of rolling stock by envelope method [Vіbrodіagnostuvannya pіdshipnikіv kochennya ruhomogo skladu metodom obvіdnoї]. Zb. nauk. prats’ DonІZT [Proceedings of Donetsk institute of railways], Donetsk, 2010, Iss. 23, pp. 127–134.

3. Михалків С. В., Равлюк В. Г. Апарат для класифікації технічного стану підшипників кочення буксових вузлів рухомого складу // Зб. наук. праць. – Харків: НТУ «ХПІ», 2012. – Вип. 19. – С. 105–112. Mihalkіv S. V., Ravluk V. G. Apparatus for classification of technical conditions of frictionless bearings of axle-boxes of rolling stock [Aparat dlya klasifіkatsії tehnіchnogo stanu pіdshipnikіv kochennya buksovih vuzlіv ruhomogo skladu]. Zb. nauk. prats, Kharkov, NTU «HPІ», 2012, Iss.19, pp. 105–112.

4. Кветный Р. Н., Кабачий В. В., Чумаченко О. О. Вероятностные нейронные сети в задачах идентификации временных рядов// Наукові праці Вісника національного технічного університету. – 2010. – № 3. – С. 7–15. KvetnyjR. N., KabachiyV.V., ChumachenkoO.O.Probabalistic neural networks in the problems of identification of time series [Veroyatnostnye neyronnye seti v zadachah identifikatsii vremennyh ryadov]. Naukovі pratsі Vіsnika natsіonal’nogo tehnіchnogo unіversitetu [Proceedings of National technical university], 2010. No №3, pp. 7–15.

5. Руденко О. Г. Штучні нейронні мережі. – Харків: Компанія СМІТ, 2006. – 404 с. Rudenko O. G. Artificial neural networks [Shtuchnі neyronnі merezhі]. Kharkov, Kompanіya SMІT, 2006. 404 p.

6. Бодянский Е. В., Руденко О. Г. Искусственные нейронные сети: архитектуры, обучение, применения. – Харьков: Телетех, 2004. – 371 с. BodyanskiyE. V., Rudenko O. G. Artificial neural networks: architecture, training, use [Iskusstvennye neyronnye seti: arhitektury, obuchenie, primeneniya]. Kharkov, Teleteh, 2004, 371 p.

7. Биргер И. А. Техническая диагностика. – М.: Машиностроение, 1978. – 240 с. Birger I. A. Technical troubleshooting [Tehnicheskaya diagnostika]. Moscow, Mashinostroenie publ., 1978. 240 p.

8. Фукунага К. Введение в статистическую теорию распознавания образов. – М.: Наука,1979. – 368 с. FukunagaK. Introduction to Statistical Pattern Recognition [Russian title: Vvedenie v statisticheskuyu teoriyu raspoznavaniya obrazov]. Moscow, Nauka publ., 1979, 368 p.

9. Цыпкин Я. З. Основы теории обучающихся систем. – М.: Наука, 1970. – 252 с. Tsypkin Ya.Z. Fundamentals of the theory of learning systems [Osnovy teorii obuchayuschihsya sistem]. Moscow, Nauka publ., 1970, 252 p.

10. Саркисян Р. Е., Стадниченко С. Ю., Масалида А. В. Алгоритмическое обеспечение системы диагностики: от байесовских правил до аналитических сетей//Мир транспорта. –2013. –№ 1. – С.6–11. Sarkisyan R . E., Stadnichenko S . Yu . , Masalida A. V. Knoware of Troubleshooting System: from Bayes Rules to Analytic Networks. Mir transporta [World of Transport and Transportation Journal], 2013, Vol. 44, Iss.1, pp.6–11.

11. Haykin S. Neural Networks. A Comprehensive Foundation. – Upper Saddle River, N.J.: Prentice Hall, Inc., 1999. – 842 p.

12. Tsoukalas L. H., Uhrig R. E. Fuzzy and Neural Approaches in Engineering. – N.Y.: John Wiley & Sons, Inc., 1997. – 587 p.