Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "Artificial neural Network" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-8 z 8
    Tytuł:
    Identification of crashworthiness indicators of column energy absorbers with triggers in the form of cylindrical embossing on the lateral edges using artificial neural networks
    Autorzy:
    Ferdynus, Mirosław
    Gajewski, Jakub
    Powiązania:
    https://bibliotekanauki.pl/articles/2200938.pdf
    Data publikacji:
    2022
    Wydawca:
    Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
    Tematy:
    crashworthiness indicators
    energy absorber
    thin-walled tube
    artificial neural network
    Opis:
    The paper presents the possibility of neural network application in order to identify the most advantageous design variants of column energy absorbers in terms of the achieved energy absorption indicators. Design variants of the column energy absorber made of standard thin-walled square aluminium profile with triggers in the form of four identical cylindrical embossments on the lateral edges were considered. These variants differ in the diameter of the trigger, its depth and position. The geometrical parameters of the trigger are crucial for the energy absorption performance of the energy absorber. The following indicators are studied: PCF (Peak Crushing Force), MCF (Mean Crushing Force), CLE (Crash Load Efficiency), SE (Stroke Efficiency) and TE (Total Efficiency). On the basis of numerical studies validated by experimentation, a neural network has been created with the aim of predicting the above-mentioned indices with an acceptable error for an energy absorber with the trigger of specified geometrical parameters and position. The paper demonstrates that the use of an effective multilayer perceptron can successfully speed up the design process, saving time on multivariate time-consuming analyses.
    Źródło:
    Eksploatacja i Niezawodność; 2022, 24, 4; 805--821
    1507-2711
    Pojawia się w:
    Eksploatacja i Niezawodność
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Predicting the overall equipment efficiency of core drill rigs in mining using ANN and improving it using MCDM
    Autorzy:
    Balakrishnan, Kirubakaran
    Mani, Ilangkumaran
    Durairaj, Sankaran
    Powiązania:
    https://bibliotekanauki.pl/articles/27312784.pdf
    Data publikacji:
    2023
    Wydawca:
    Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
    Tematy:
    artificial neural network
    response surface methodology
    core drill
    overall equipment efficiency
    Box-Jenkins
    Opis:
    In this manuscript, an attempt has been made to predict and improve the overall equipment effectiveness of core drill rigs. A combined Box– Jenkins and artificial neural network model was used to develop a three parameter model (drill pushing pressure, drill penetration rate & average pillar drill pit cycle time) for predicting effectiveness. the overall equipment efficiency of core drill rigs. The values of mean average percentage error, root mean square error, normalized root mean square error, men bias error, normalized mean biased error and coefficient of determination values were found to be 9.462%, 17.378%, 0.194, 0.96%, 0.0014 and 0.923. Empirical relationships were developed between the input and output parameters and its effectiveness were evaluated using analysis of variance. For attaining 74.9% effectiveness, the optimized values of pushing pressure, penetration rate and average pillar drill pit cycle time were predicted to be 101.7 bar, 0.94 m/min and 272 min, which was validated. Interactions, perturbations and sensitivity analysis were conducted.
    Źródło:
    Eksploatacja i Niezawodność; 2023, 25, 3; art. no. 169581
    1507-2711
    Pojawia się w:
    Eksploatacja i Niezawodność
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Artificial intelligence-based hybrid forecasting models for manufacturing systems
    Autorzy:
    Rosienkiewicz, Maria
    Powiązania:
    https://bibliotekanauki.pl/articles/1841698.pdf
    Data publikacji:
    2021
    Wydawca:
    Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
    Tematy:
    artificial neural network
    support vector machine
    extreme learning machine
    hybrid forecasting
    production planning
    maintenance
    quality control
    Opis:
    The paper addresses the problem of forecasting in manufacturing systems. The main aim of the research is to propose new hybrid forecasting models combining artificial intelligencebased methods with traditional techniques based on time series – namely: Hybrid econometric model, Hybrid artificial neural network model, Hybrid support vector machine model and Hybrid extreme learning machine model. The study focuses on solving the problem of limited access to independent variables. Empirical verification of the proposed models is built upon real data from the three manufacturing system areas – production planning, maintenance and quality control. Moreover, in the paper, an algorithm for the forecasting accuracy assessment and optimal method selection for industrial companies is introduced. It can serve not only as an efficient and costless tool for advanced manufacturing companies willing to select the right forecasting method for their particular needs but also as an approach supporting the initial steps of transformation towards smart factory and Industry 4.0 implementation.
    Źródło:
    Eksploatacja i Niezawodność; 2021, 23, 2; 263-277
    1507-2711
    Pojawia się w:
    Eksploatacja i Niezawodność
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Inteligentny system monitorowania sieci wodociągowych
    Intelligent monitoring of local water supply system
    Autorzy:
    Wyczółkowski, R.
    Powiązania:
    https://bibliotekanauki.pl/articles/301876.pdf
    Data publikacji:
    2008
    Wydawca:
    Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
    Tematy:
    sieci wodociągowe
    diagnostyka
    wyciek
    lokalizacja
    wykrywanie
    sieci neuronowe
    water supply systems
    diagnostics
    leakage detection
    localization
    artificial neural network
    Opis:
    W referacie przedstawiono badania związane z budową systemu monitorowania sieci wodociągowych, sygnalizujących pojawienie się awarii sieci i wspomagającego ich lokalizację. Podstawowym założeniem omawianego systemu było przyjęcie metody wykrywania awarii stosowanej dotychczas w diagnostyce technicznej maszyn i procesów przemysłowych, opartej o modele przybliżone obiektu diagnozowanego. Bazując na niewielkiej liczbie czujników przepływu zainstalowanych na sieci wodociągowej i odpowiednio wytrenowanej sztucznej sieci neuronowej pojawiające się awarie sieci są wykrywane i lokalizowane. Opisany został pierwszy etap prac (lokalizacja czujników pomiarowych, przygotowanie i trenowanie klasyfikatora neuronalnego) oraz uzyskane wyniki.
    In the paper an intelligent monitoring system of local water supply system was described. The author took advantage of methods of artificial intelligence and methods known from model-based process diagnostics to decrease the number of indispensable measuring points. Basing on few flow sensors installed on pipeline network and using neural network as a model of pipeline, appeared leakages are approximately localized. The first stage of system building (choosing of sensor localization, neural network preparing and training) and results obtained to-date were shown.
    Źródło:
    Eksploatacja i Niezawodność; 2008, 1; 33-36
    1507-2711
    Pojawia się w:
    Eksploatacja i Niezawodność
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Odszumianie danych rejestrowanych wielokanałowo z użyciem transformaty falkowej
    Multi-channel registered data denoising using wavelet trans form
    Autorzy:
    Jedliński, Ł.
    Powiązania:
    https://bibliotekanauki.pl/articles/1366285.pdf
    Data publikacji:
    2012
    Wydawca:
    Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
    Tematy:
    odszumianie danych
    transformata falkowa
    sztuczne sieci neuronowe
    przekładnia stożkowa
    denoising
    wavelet transform
    artificial neural network
    spiral bevel gear
    Opis:
    W celu uzyskania informacji o interesującym nas zjawisku lub obiekcie najczęściej rejestrowane są wybrane sygnały pomiarowe otrzymane za pośrednictwem czujników. Niestety uzyskane sygnały oprócz pożądanej informacji zawierają również zakłócenia, które są spowodowane m.in. właściwościami toru pomiarowego i procesami towarzyszącymi działaniu obiektu. W wielu przypadkach zachodzi potrzeba pomiaru takiej samej wielkości w różnych miejscach obiektu i/lub kierunkach. Potrzebne są zatem narzędzia do poprawy stosunku sygnału do szumu sygnałów rejestrowanych wielokanałowo. Transformata falkowa jest stosunkowo nową metodą przetwarzania danych, która znalazła zastosowanie w różnych dziedzinach takich jak technika i fizyka. W odniesieniu do sygnałów może być używana do odszumiania, kompresji, wykrywaniu trendu czy nieciągłości sygnału. W pracy tej transformata falkowa została użyta od odszumiania sygnałów drgań zarejestrowanych z dwóch trójosiowych czujników. Obiektem badań była przekładnia zębata stożkowa. Odszumianie sygnałów miało na celu poprawę skuteczności diagnozy uszkodzenia kół zębatych przekładni.
    In order to obtain information regarding given phenomenon or object, it is usually necessary to register selected measurement signals obtained using sensors. Unfortunately, obtained signals, apart form desired information, contain disturbances caused by, amongst many other, properties of the measurement channel and processes associated with object operation. In many cases it is necessary to measure the same value in different places and/or directions. Thus, there is a demand for a tool improving signal to noise ration of the multi-channel registered signals.Wavelet transform is a relatively new method of data processing used in different fields (e.g. technique and physics). In case of signals it can be used for denoising, compression, trend detection or discontinuity detection. In this work it was used to denoise vibration signals registered by two three-axis sensors. Object of investigation was the bevel toothed gear. Signals denoising was to improve efficiency of the diagnosis of transmission gears teeth damage.
    Źródło:
    Eksploatacja i Niezawodność; 2012, 14, 2; 145-149
    1507-2711
    Pojawia się w:
    Eksploatacja i Niezawodność
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Application of artificial neural networks and principal component analysis on vibration signals for automated fault classification of roller element bearings
    Zastosowanie sztucznych sieci neuronowych oraz analizy głównych składowych sygnału drgań do automatycznej klasyfikacji uszkodzeń łożysk tocznych
    Autorzy:
    Zuber, N.
    Bajrić, R.
    Powiązania:
    https://bibliotekanauki.pl/articles/301487.pdf
    Data publikacji:
    2016
    Wydawca:
    Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
    Tematy:
    roller elements bearing
    vibration
    artificial neural network
    principal components analysis
    łożysko toczne
    drgania
    sztuczna sieć neuronowa
    analiza głównych składowych
    Opis:
    The article addresses the implementation of feature based artificial neural networks and vibration analysis for automated roller element bearings faults identification purpose. Vibration features used as inputs for supervised artificial neural networks were chosen based on principal component analysis as one of the possible methods of data dimension reduction. Experimental work has been conducted on a specially designed test rig and on a drive of the Ganz port crane in port of Novi Sad, Serbia. Different scalar vibration features derived from time and frequency domain were used as inputs to fault classifiers. Several types of roller elements bearings faults, at different levels of loads were tested: discrete faults on inner and outer race and looseness. It is demonstrated that proposed set of input features enables reliable roller element bearing fault identification and better performance of applied artificial neural networks.
    Artykuł omawia zastosowanie sztucznych sieci neuronowych opartych na cechach oraz analizy drgań do celów automatycznej identyfikacji uszkodzeń łożysk tocznych. Cechy drgań mające posłużyć jako dane wejściowe do nadzorowanych sztucznych sieci neuronowych wybrano na podstawie analizy głównych składowych, która stanowi jedną z metod zmniejszania rozmiaru zbioru danych statystycznych. Badania prowadzono na specjalnie do tego celu zaprojektowanym stanowisku badawczym oraz na układzie napędu żurawia portowego firmy Ganz w porcie Novi Sad w Serbii. Jako wejścia klasyfikatorów uszkodzeń wykorzystano różne skalarne cechy drgań określone w dziedzinie czasu i częstotliwości. Badano kilka typów uszkodzeń łożysk tocznych przy różnych poziomach obciążenia: uszkodzenia dyskretne w obrębie pierścienia wewnętrznego i zewnętrznego łożyska oraz nadmierny luz. Wykazano, że proponowany zbiór cech wejściowych umożliwia niezawodną identyfikację uszkodzeń łożysk tocznych oraz zapewnia lepszą wydajność zastosowanych sztucznych sieci neuronowych.
    Źródło:
    Eksploatacja i Niezawodność; 2016, 18, 2; 299-306
    1507-2711
    Pojawia się w:
    Eksploatacja i Niezawodność
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Gearbox faults identification using vibration signal analysis and artificial intelligence methods
    Identyfikacja uszkodzeń skrzyni biegów za pomocą analizy sygnału drgań oraz metod sztucznej inteligencji
    Autorzy:
    Zuber, N.
    Bajrić, R.
    Šostakov, R.
    Powiązania:
    https://bibliotekanauki.pl/articles/301941.pdf
    Data publikacji:
    2014
    Wydawca:
    Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
    Tematy:
    drgania skrzyni biegów
    uszkodzenie skrzyni biegów
    sztuczna sieć neuronowa
    samoorganizująca się mapa cech
    gearbox vibration
    gear fault
    artificial neural network
    self-organized feature map
    Opis:
    Artykuł omawia zastosowanie sztucznych sieci neuronowych opartych na cechach oraz analizy drgań do celów automatycznej identyfikacji uszkodzeń skrzyni biegów. Prace eksperymentalne przeprowadzono na specjalnie zaprojektowanym stanowisku badawczym, a uzyskane wyniki zweryfikowano na przykładzie przekładni przenośnika taśmowego koparki wielonaczyniowej SRs 1300 wykorzystywanej w kopalni odkrywkowej. Cechy drgań w dziedzinie czasu i częstotliwości są wykorzystywane jako wejścia klasyfikatorów uszkodzeń. Kompletny zbiór proponowanych cech drgań wykorzystano jako wejścia samoorganizujących się map cech, a na podstawie wyników opracowano zredukowany zbiór cech drgań, które wykorzystano jako wejścia do nadzorowanych sztucznych sieci neuronowych. Zbadano dwa typowe uszkodzenia przekładni : zużycie przekładni oraz brakujące zęby przekładni. Uzyskane wyniki wskazują, że proponowany zbiór cech drgań umożliwia niezawodną identyfikację rozwijających się uszkodzeń w układach przenoszenia napędu z kołami zębatymi.
    The paper addresses the implementation of feature based artificial neural networks and vibration analysis for the purpose of automated gearbox faults identification. Experimental work has been conducted on a specially designed test rig and the obtained results are validated on a belt conveyor gearbox from a mine strip bucket wheel excavator SRs 1300. Frequency and time domain vibration features are used as inputs to fault classifiers. A complete set of proposed vibration features are used as inputs for selforganized feature maps and based on the results a reduced set of vibration features are used as inputs for supervised artificial neural networks. Two typical gear failures were tested: worn gears and missing teeth. The achieved results show that proposed set of vibration features enables reliable identification of developing faults in power transmission systems with toothed gears.
    Źródło:
    Eksploatacja i Niezawodność; 2014, 16, 1; 61-65
    1507-2711
    Pojawia się w:
    Eksploatacja i Niezawodność
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    A durability analysis of forging tools for different operating conditions with application of a decision support system based on artificial neural networks (ANN)
    Analiza trwałości narzędzi kuźniczych dla różnych warunków eksploatacji z wykorzystaniem systemu wspomagania decyzji opartego o sztuczne sieci neuronowe
    Autorzy:
    Hawryluk, M.
    Mrzygłód, B.
    Powiązania:
    https://bibliotekanauki.pl/articles/1365633.pdf
    Data publikacji:
    2017
    Wydawca:
    Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
    Tematy:
    sztuczna sieć neuronowa
    system wspomagania decyzji
    kucie matrycowe
    trwałość narzędzi kuźniczych
    zużycie i mechanizmy niszczące
    artificial neural network
    decision support system
    die forging
    durability of forging tools
    wear and destructive mechanisms
    Opis:
    W pracy przedstawiono wyniki badań, dotyczące, procentowego udziału mechanizmów niszczących dla dwóch typowych wariantów eksploatacji narzędzi kuźniczych: smarowanych i chłodzonych oraz bez smarowania. Prezentowane wyniki pochodzą z opracowanego przez autorów systemu wspomagania decyzji (SEPEK-2) działającego w oparciu o sztuczną sieć neuronową. Wiedza o analizowanym zagadnieniu trwałości narzędzi kuźniczych, potrzebna do procesu uczenia sztucznej sieci neuronowej zawarta była w zestawie danych uczących, pochodzących z kompleksowych badań, zrealizowanych w warunkach przemysłowych. Zestaw danych uczących obejmował zbiór 450 rekordów wiedzy. W pracy przestawiono proces pozyskiwania wiedzy, przyjętą architekturę sieci neuronowej oraz parametry opracowanej sieci. Przeprowadzona globalna analiza wyników generowanych przez opracowany system, dla trwałości traktowanej jako zwiększająca się liczba odkuwek (od 0 do 25000 sztuk), wykazała że dla narzędzi smarowanych i chłodzonych dominującym mechanizmem jest zmęczenie cieplno-mechaniczne, a nie zużycie ścierne, które rzeczywiście dominuje w procesach kucia dla narzędzi niechłodzonych i niesmarowanych. Należy podkreślić, że zdecydowana większość opracowań z tego obszaru przypisuje, że to zużycie ścierne jest dominujące, a jak wykazały wyniki badań i analiz dla wybranych reprezentatywnych procesów kucia, przy wykorzystaniu systemu wspomagania decyzji opartego o SNN, to zmęczenie cieplno-mechaniczne jest dominujące w tych procesach. Jednakże ze względu na łatwą mierzalność oraz popularnie stosowane modele zużycia ściernego, bazujące na modelu Archarda, to właśnie zużyciu ściernemu przypisuję się największy udział, choć w rzeczywistości dla narzędzi smarowanych i chłodzonych zmęczenie cieplno-mechaniczne wzmaga ów efekt przypisywany zużyciu ściernemu. Natomiast ogólnie przyjęty pogląd jest słuszny, w przypadku narzędzi niesmarowanych. co potwierdziły także analizy przy wykorzystaniu SNN.
    The paper presents the results of research concerning the percentage participation of destructive mechanisms for two typical variants of exploitation of forging tools: lubricated and cooled, and without lubrication. Discussed results come from the developed by the authors the decision support system (SEPEK-2) based on artificial neural network. The knowledge about the durability of forging tools needed for learning artificial neural network was included in the training data set, from comprehensive studies, carried out in industrial conditions. Set of training data set included 450 records of knowledge. The paper presents the process of acquiring knowledge, adopted neural network architecture and parameters developed network. Carried out a global analysis of the results generated by the developed system for the durability of forging tools treated as the maximum number of produced forgings to their destruction (from 0 to 25,000 items), showed that for the lubricated and cooling tools the dominant mechanism is thermo-mechanical fatigue, and do not abrasive wear, which actually dominates in the process of forging tools for uncooled and unlubricated tools. It should be emphasized that the overwhelming majority of studies in this area is attributed that to abrasive wear is dominant, and as shown by the results of research and analysis for the selected representative forging processes, with the use of decision support system based on ANN, the fatigue a thermo-mechanical is dominant in these processes. However, due to the easy measurability and commonly used models wear, based on the model of Archard, it is abrasive wear assigned the largest participation. In fact, for the tool lubricated and cooled tools a thermo-mechanical fatigue intensifies this effect attributed to abrasive wear. While the generally accepted view is correct, in the case of tools unlubricated, as confirmed by the analysis using ANN.
    Źródło:
    Eksploatacja i Niezawodność; 2017, 19, 3; 338-348
    1507-2711
    Pojawia się w:
    Eksploatacja i Niezawodność
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-8 z 8

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies