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 "Ghosh, S," wg kryterium: Autor

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-4 z 4
    Tytuł:
    Cotton Fibre-to-Yarn Engineering: A Simulated Annealing Approach
    Przetwarzanie włókien bawełnianych na przędze – problem optymalizacji
    Autorzy:
    Das, S.
    Ghosh, A.
    Powiązania:
    https://bibliotekanauki.pl/articles/233554.pdf
    Data publikacji:
    2015
    Wydawca:
    Sieć Badawcza Łukasiewicz - Instytut Biopolimerów i Włókien Chemicznych
    Tematy:
    cotton fibre properties
    Frydrych model
    simulated annealing
    yarn strength
    yarn engineering
    właściwości włókien bawełnianych
    model Frydrych
    metoda symulacji SA
    wytrzymałość przędzy
    inżynieria przędzy
    Opis:
    In this paper we undertake to engineer yarn of predefined strength by choosing suitable raw material and process parameters. In an attempt to achieve a yarn of optimal strength, the constrained optimisation problem is formulated with the relation between raw material and yarn properties. Frydrych’s theoretical model of yarn strength is used for formulation of the optimisation problem. The simulated annealing (SA) method has been used to solve the optimisation problem by researching the best combination of raw material and process parameters that can bring into reality a yarn with the strength desired. The results show that SA is capable of ascertaining a set of parameters that gives the yarn strength desired.
    W pracy podjęto próbę otrzymywania przędzy o określonej wytrzymałości poprzez wybór odpowiedniego surowca i parametrów procesu przędzenia. W celu otrzymania przędzy o optymalnej wytrzymałości sformułowano problem optymalizacji zawierający zależności pomiędzy surowcem i właściwościami przędzy. Zastosowano przy tym teoretyczny model Frydrych wytrzymałości przędzy a także metodę symulacji SA. Udokumentowano, że za pomocą zastosowanej metody symulacji można sprecyzować zestaw parametrów, który umożliwia osiągniecie zakładanej wytrzymałości przędzy.
    Źródło:
    Fibres & Textiles in Eastern Europe; 2015, 3 (111); 51-53
    1230-3666
    2300-7354
    Pojawia się w:
    Fibres & Textiles in Eastern Europe
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Technique Based on Fuzzy Logic for Cotton Bale Lay-down Management
    Nowa technika zarządzania składowaniem bel bawełny
    Autorzy:
    Das, S.
    Ghosh, A.
    Powiązania:
    https://bibliotekanauki.pl/articles/232810.pdf
    Data publikacji:
    2017
    Wydawca:
    Sieć Badawcza Łukasiewicz - Instytut Biopolimerów i Włókien Chemicznych
    Tematy:
    cotton bale
    cluster analysis
    fibre property
    fuzzy logic
    fuzzy c-means algorithm
    składowanie bawełny
    logika rozmyta
    bela bawełny
    Opis:
    In this paper a new technique has been proposed for cotton bale management using fuzzy logic. The fuzzy c-means clustering algorithm has been applied for clustering cotton bales into 5 categories from 1200 randomly chosen bales of the J-34 variety. In order to cluster bales of different categories, eight fibre properties, viz., the strength, elongation, upper half mean length, length uniformity, short fibre content, micronaire, reflectance and yellowness of each bale have been considered. The fuzzy c-means clustering method is able to handle the haziness that may be present in the boundaries between adjacent classes of cotton bales as compared to the K-means clustering method. This method may be used as a convenient tool for the consistent picking of different bale mixes from any number of bales in a warehouse.
    W artykule zaproponowano nową technikę zarządzania składowaniem bawełny opartą na logice rozmytej. Badaniu poddano 1200 losowo wybranych bel bawełny. W celu pogrupowania bel w 5 kategoriach zbadano właściwości, tj. wytrzymałość, wydłużenie, średnią długość, jednorodność długości, zawartość włókien krótkich, dojrzałość, współczynnik odbicia i zażółcenie każdej beli. Opracowana metoda może być stosowana jako wygodne narzędzie do sortowania różnych mieszanek z dowolnej liczby bel w magazynie.
    Źródło:
    Fibres & Textiles in Eastern Europe; 2017, 2 (122); 30-33
    1230-3666
    2300-7354
    Pojawia się w:
    Fibres & Textiles in Eastern Europe
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Effect of Blending Methodologies on Cotton Mélange Yarn Quality
    Wpływ metod mieszania na jakość melanżowych przędz bawełnianych
    Autorzy:
    Ray, S.
    Ghosh, A.
    Banerjee, D.
    Powiązania:
    https://bibliotekanauki.pl/articles/233799.pdf
    Data publikacji:
    2018
    Wydawca:
    Sieć Badawcza Łukasiewicz - Instytut Biopolimerów i Włókien Chemicznych
    Tematy:
    blow room blending
    draw frame blending
    fibre breakage
    melange yarn
    shade depth
    yarn quality
    mieszanie
    rozdmuchiwanie
    przeciąganie
    łamanie włókien
    przędza melanżowa
    głębokość odcienia
    jakość przędzy
    Opis:
    Fibre of dyed mélange yarn is becoming an emerging product in the field of textiles. The quality of mélange yarn is largely influenced by the types of blending methodologies. There exists hardly any reported work where the effect of blending methods on cotton mélange yarn quality has been studied. The purpose of this paper is to investigate the effect of blending methodologies on the properties of cotton mélange spun yarn. Dyed and grey cotton fibre components were mixed at the blow room and draw frame stages separately to produce mélange yarns with three different shade depths (%). Better yarn quality with respect to yarn evenness, imperfections, tenacity, elongation at break and hairiness index was achieved with the draw frame blending methodology as compared to the blow room blending methodology. The mélange yarn quality deteriorates with an increase in shade depth (%) for both blending methodologies.
    Włókna z barwionej przędzy melanżowej stają się obecnie znaczącym produktem w obszarze produkcji tekstyliów. Na jakość przędzy melanżowej w dużej mierze wpływają rodzaje metod mieszania. Niewiele jest doniesień na temat wpływu metody mieszania na jakość przędz bawełnianych. Celem artykułu było zbadanie wpływu metod mieszania na właściwości przędzionej przędzy z mieszanki bawełny. Włókna bawełniane mieszano tak, aby wytworzyć melanżowe włókna o trzech różnych głębokościach odcieni (%). Oceniono jakość przędzy w odniesieniu do równomierności przędzy, niedoskonałości, wytrzymałości na rozciąganie, wydłużenia przy zerwaniu i wskaźnika włochatości. Stwierdzono, że jakość przędzy melanżowej pogarsza się wraz ze wzrostem głębi koloru (%) niezależnie od wybranej metody mieszania.
    Źródło:
    Fibres & Textiles in Eastern Europe; 2018, 5 (131); 41-46
    1230-3666
    2300-7354
    Pojawia się w:
    Fibres & Textiles in Eastern Europe
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Pattern Classification of Fabric Defects Using a Probabilistic Neural Network and Its Hardware Implementation using the Field Programmable Gate Array System
    Klasyfikacja rodzaju defektów tkanin za pomocą probabilistycznej sztucznej sieci neuronowej oraz za pomocą systemu FPGA
    Autorzy:
    Hasnat, A.
    Ghosh, A.
    Khatun, A.
    Halder, S.
    Powiązania:
    https://bibliotekanauki.pl/articles/234369.pdf
    Data publikacji:
    2017
    Wydawca:
    Sieć Badawcza Łukasiewicz - Instytut Biopolimerów i Włókien Chemicznych
    Tematy:
    classification
    fabric defect
    field programmable gate array (FPGA)
    radial basis function
    probabilistic neural network
    klasyfikacja wad tkanin
    probabilistyczna sieć neuronowa
    Opis:
    This study proposes a fabric defect classification system using a Probabilistic Neural Network (PNN) and its hardware implementation using a Field Programmable Gate Arrays (FPGA) based system. The PNN classifier achieves an accuracy of 98 ± 2% for the test data set, whereas the FPGA based hardware system of the PNN classifier realises about 94±2% testing accuracy. The FPGA system operates as fast as 50.777 MHz, corresponding to a clock period of 19.694 ns.
    W pracy zaprezentowano system klasyfikacji wad tkanin przy użyciu probabilistycznej sieci neuronowej (PNN) i przy zastosowaniu systemu Field Programmable Gate Array (FPGA). PNN pozwala na osiągnięcie dokładności 98 ± 2% dla zbioru danych testowych, podczas gdy system FPGA pozwala na osiągnięcie dokładności około 94 ± 2%. System FPGA pracuje przy częstotliwości 50,777 MHz, co odpowiada 19,694 ns.
    Źródło:
    Fibres & Textiles in Eastern Europe; 2017, 1 (121); 42-48
    1230-3666
    2300-7354
    Pojawia się w:
    Fibres & Textiles in Eastern Europe
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-4 z 4

      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