This paper describes a joint indust

This paper describes a joint industry/university collaboration to develop a prototype system to provide real time monitoring of an airport ground transportation vehicle with the objectives of improving availability and minimizing field failures by estimating the proper timing for condition-based maintenance. Hardware for the vehicle was designed, developed and tested to monitor door characteristics (voltage and current through the motor that opens and closes the doors and door movement time and position), to quickly predict degraded performance, and to anticipate failures. A combined statistical and neural network approach was implemented. The neural network “learns” the differences among door sets and can be tuned quite easily through this learning. Signals are processed in real time and combined with previous monitoring data to estimate, using the neural network, the condition of the door set relative to maintenance needs. The prototype system was installed on several vehicle door sets at the Pittsburgh International Airport and successfully tested for several months under simulated and actual operating conditions. Preliminary results indicate that improved operational reliability and availability can be achieved.

A Neural Network Approach to Condition Based Maintenance: Case Study of Airport Ground Transportation Vehicles. Available from: https://www.researchgate.net/publication/265024824_A_Neural_Network_Approach_to_Condition_Based_Maintenance_Case_Study_of_Airport_Ground_Transportation_Vehicles [accessed Jan 21, 2016].

Kết quả (Việt) 2:

Bài viết này mô tả một ngành công nghiệp doanh / hợp tác đại học để phát triển một hệ thống nguyên mẫu để cung cấp giám sát thời gian thực của một chiếc xe vận tải mặt đất sân bay với mục tiêu cải thiện tính sẵn sàng và giảm thiểu thất bại lĩnh vực bằng cách ước lượng thời gian thích hợp để bảo trì tình trạng hoạt động. Phần cứng cho chiếc xe được thiết kế, phát triển và thử nghiệm để theo dõi đặc điểm cửa (điện áp và dòng điện qua đó mở ra và đóng các cửa ra vào và thời gian chuyển động cửa và vị trí), để nhanh chóng dự đoán suy giảm hiệu năng, và dự đoán thất bại. Một cách tiếp cận kết hợp mạng lưới thống kê và thần kinh đã được thực hiện. Mạng lưới thần kinh "học" những khác biệt giữa các bộ cửa và có thể được điều chỉnh khá dễ dàng thông qua học tập này. Tín hiệu được xử lý trong thời gian thực và kết hợp với các dữ liệu giám sát trước đó để ước tính, sử dụng mạng thần kinh, tình trạng của các cửa thiết lập liên quan đến nhu cầu bảo trì. Các hệ thống nguyên mẫu đã được cài đặt trên một số bộ cửa xe tại Sân bay Quốc tế Pittsburgh và thử nghiệm thành công trong vài tháng trong điều kiện vận hành mô phỏng và thực tế. Kết quả sơ bộ cho thấy cải thiện độ tin cậy và tính sẵn sàng hoạt động có thể đạt được. Một cách tiếp cận Neural Network để Condition Based Maintenance: Nghiên cứu trường hợp của Mặt đất Sân bay vận tải Phương tiện. Có sẵn từ: [truy cập ngày 21 Tháng Một năm 2016].