ISSN 1507-2711
JOURNAL DOI: dx.doi.org/10.17531/ein

JCR Journal Profile


Członek(Member of): Europejskiej Federacji Narodowych Towarzystw Eksploatacyjnych  - European Federation of National Maintenance Societies  Wydawca(Publisher):Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne (Warszawa) - Polish Maintenance Society (Warsaw)   Patronat Naukowy(Scientific supervision): Polska Akademia Nauk o/Lublin  - Polish Akademy of Sciences Branch in Lublin  Członek(Member of): Europejskiej Federacji Narodowych Towarzystw Eksploatacyjnych  - European Federation of National Maintenance Societies

 


Publisher:
Polish Maintenance Society
(Warsaw)

Scientific supervision:
Polish Academy of Sciences Branch in Lublin

Member of:
European Federation
of National Maintenance Societies


Attention!

In accordance with the requirements of citation databases, proper citation of publications appearing in our Quarterly should include the full name of the journal in Polish and English without Polish diacritical marks, i.e. "Eksploatacja i Niezawodnosc – Maintenance and Reliability".


 

Submission On-Line

 





MOST CITED

Update: 2019-11-17

1. ON APPROACHES FOR NON-DIRECT DETERMINATION OF SYSTEM DETERIORATION
By: Valis, David; Koucky, Miroslav; Zak, Libor

EKSPLOATACJA I NIEZAWODNOSC-MAINTENANCE AND RELIABILITY
Volume 14, Issue: 1   Pages: 33-41   Published: 2012

Times Cited: 51
2. COMPUTER-AIDED MAINTENANCE AND RELIABILITY MANAGEMENT SYSTEMS FOR CONVEYOR BELTS
By: Mazurkiewicz, Dariusz

EKSPLOATACJA I NIEZAWODNOSC-MAINTENANCE AND RELIABILITY
Volume: 16   Issue: 3   Pages: 377-382   Published: 2014

Times Cited: 48
3. A NEW FAULT TREE ANALYSIS METHOD: FUZZY DYNAMIC FAULT TREE ANALYSIS
By: Li, Yan-Feng; Huang, Hong-Zhong; Liu, Yu; et al.

EKSPLOATACJA I NIEZAWODNOSC-MAINTENANCE AND RELIABILITY
Volume 14, Issue: 3 Pages: 208-214 Published: 2012

Times Cited: 43
4. PREDICTING THE TOOL LIFE IN THE DRY MACHINING OF DUPLEX STAINLESS STEEL
By: Krolczyk, Grzegorz; Gajek, Maksymilian; Legutko, Stanislaw

EKSPLOATACJA I NIEZAWODNOSC-MAINTENANCE AND RELIABILITY
Volume: 15 Issue: 1 Pages: 62-65 Published: 2013

Times Cited: 33
5. UTILIZATION OF DIFFUSION PROCESSES AND FUZZY LOGIC FOR VULNERABILITY ASSESSMENT
By: Valis, David; Pietrucha-Urbanik, Katarzyna

EKSPLOATACJA I NIEZAWODNOSC-MAINTENANCE AND RELIABILITY
Volume: 16   Issue: 1   Pages: 48-55   Published: 2014

Times Cited: 32
6. MAINTENANCE DECISION MAKING BASED ON DIFFERENT TYPES OF DATA FUSION
By: Galar, Diego; Gustafson, Anna; Tormos, Bernardo; et al.
EKSPLOATACJA I NIEZAWODNOSC-MAINTENANCE AND RELIABILITY 
Volume 14, Issue: 2   Pages: 135-144   Published:2012

Times Cited: 32
7. APPLICATION OF NEURAL RECONSTRUCTION OF TOMOGRAPHIC IMAGES IN THE PROBLEM OF RELIABILITY OF FLOOD PROTECTION FACILITIES
By: Rymarczyk, Tomasz; Klosowski, Grzegorz

EKSPLOATACJA I NIEZAWODNOSC-MAINTENANCE AND RELIABILITY
Volume: 20 Issue: 3 Pages: 425-434 Published: 2018

Times Cited: 30
8. RECOGNITION OF ARMATURE CURRENT OF DC GENERATOR DEPENDING ON ROTOR SPEED USING FFT, MSAF-1 AND LDA
By: Glowacz, Adam; Glowacz, Witold; Glowacz, Zygfryd

EKSPLOATACJA I NIEZAWODNOSC-MAINTENANCE AND RELIABILITY
Volume: 17 Issue: 1 Pages: 64-69 Published: 2015

Times Cited: 28
9. TESTS OF EXTENDABILITY AND STRENGTH OF ADHESIVE-SEALED JOINTS IN THE CONTEXT OF DEVELOPING A COMPUTER SYSTEM FOR MONITORING THE CONDITION OF BELT JOINTS DURING CONVEYOR OPERATION
By: Mazurkiewicz, Dariusz

EKSPLOATACJA I NIEZAWODNOSC-MAINTENANCE AND RELIABILITY
Issue: 3 Pages: 34-39 Published: 2010

Times Cited: 28
10. MODELLING OF PASSIVE VIBRATION DAMPING USING PIEZOELECTRIC TRANSDUCERS - THE MATHEMATICAL MODEL
By: Buchacz, Andrzej; Placzek, Marek; Wrobel, Andrzej

EKSPLOATACJA I NIEZAWODNOSC-MAINTENANCE AND RELIABILITY
Volume: 16   Issue: 2   Pages: 301-306   Published: 2014

Times Cited: 27

 



Task „Implementation of procedures ensuring  the originality of scientific papers published in the quarterly „Eksploatacja i Niezawodność – Maintenance and Reliability” financed under contract 532/P-DUN/2018 from the funds of the Minister of Science and Higher Education for science dissemination activities.


Maintenance of industrial reactors supported by deep learning driven ultrasound tomography

Eksploatacja reaktorów przemysłowych ze wspomaganiem tomografii ultradźwiękowej i algorytmów głębokiego uczenia

 

Full text: 

 

Abstract: 

Monitoring of industrial processes is an important element ensuring the proper maintenance of equipment and high level of processes reliability. The presented research concerns the application of the deep learning method in the field of ultrasound tomography (UST). A novel algorithm that uses simultaneously multiple classification convolutional neural networks (CNNs) to generate monochrome 2D images was developed. In order to meet a compromise between the number of the networks and the number of all possible outcomes of a single network, it was proposed to divide the output image into 4-pixel clusters. Therefore, the number of required CNNs has been reduced fourfold and there are 16 distinct outcomes from single network. The new algorithm was first verified using simulation data and then tested on real data. The accuracy of image reconstruction exceeded 95%. The results obtained by using the new CNN clustered algorithm were compared with five popular machine learning algorithms: shallow Artificial Neural Network, Linear Support Vector Machine, Classification Tree, Medium k-Nearest Neighbor classification and Naive Bayes. Based on this comparison, it was found that the newly developed method of multiple convolutional neural networks (MCNN) generates the highest quality images.

Streszczenie: 

Monitorowanie procesów przemysłowych jest ważnym elementem zapewniającym właściwą eksploatację urządzeń i wysoki poziom niezawodności procesów. Prezentowane badania dotyczą zastosowania metod głębokiego uczenia w obszarze eksploatacji zbiornikowych reaktorów przemysłowych. W procesach przemysłowych opartych na reakcjach chemicznych zachodzących wewnątrz procesowej tomografii ultradźwiękowej (UST). Opracowano nowatorski algorytm wykorzystujący jednocześnie wiele klasyfikacyjnych splotowych sieci neuronowych (CNN) do generowania monochromatycznych obrazów 2D. Aby osiągnąć kompromis między liczbą sieci a liczbą wszystkich możliwych wyników pojedynczej sieci, zaproponowano podział obrazu wyjściowego na klastry 4-pikselowe. W związku z tym liczba wymaganych CNN została czterokrotnie zmniejszona i istnieje 16 różnych wyników z jednej sieci. Nowy algorytm został najpierw zweryfikowany przy użyciu danych symulacyjnych, a następnie przetestowany na danych rzeczywistych. Dokładność rekonstrukcji obrazu przekroczyła 95%. Wyniki uzyskane przy użyciu nowego algorytmu klastrowego CNN zostały porównane z pięcioma popularnymi algorytmami uczenia maszynowego: płytką sztuczną siecią neuronową, maszyną liniowego wektora wsparcia, drzewem klasyfikacji, klasyfikacją średniego k-najbliższego sąsiada i naiwnym Bayesem. Na podstawie tego porównania stwierdzono, że nowo opracowana metoda wielu splotowych sieci neuronowych (MCNN) generuje obrazy o najwyższej jakości.

Pages: 

138–147

DOI: 10.17531/ein.2020.1.16

Article citation info: 
Kłosowski G, Rymarczyk T, Kania K, Świć A, Cieplak T. Maintenance of industrial reactors supported by deep learning driven ultrasound tomography. Eksploatacja i Niezawodnosc – Maintenance and Reliability 2020; 22 (1): 138–147, http://dx.doi.org/10.17531/ein.2020.1.16.