Informacja

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

Wyszukujesz frazę "Gryś, S." wg kryterium: Autor


Wyświetlanie 1-4 z 4
Tytuł:
Cyfrowa korekcja "sztywna" dynamicznego przetwarzania termometru
Digital correction of a thermometer dynamics
Autorzy:
Minkina, W.
Gryś, S.
Powiązania:
https://bibliotekanauki.pl/articles/151525.pdf
Data publikacji:
1999
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Opis:
W pracy przedstawiono koncepcję cyfrowego korektora "sztywnego" do korekcji charakterystyki dynamicznej czujników termometrycznych. Zastosowanie numerycznej postaci algorytmu pozwoliło na uzyskanie idealnej korekcji, dzięki uniknięciu pasożytniczej inercji samego korektora. Wyniki symulacji zostały zaprezentowane dla liniowego i nieliniowego modelu termometru.
Methods of digital correction of a thermometer dynamics are presented in the paper. Use of a numerical algorithm allowed avoiding an occurrence of the inertia of the corrector unit. Results of the correction were obtained for both linear and nonlinear model of the thermometer.
Źródło:
Pomiary Automatyka Kontrola; 1999, R. 45, nr 6, 6; 21-24
0032-4140
Pojawia się w:
Pomiary Automatyka Kontrola
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Identyfikacja dynamiki metodą dwóch czujników w środowisku programowo-sprzętowym Matlab/Simulink-TMS320C6713 DSK
Two-sensor-method in blind identification of sensors dynamics using Matlab/Simulink and TMS320C6713 DSK
Autorzy:
Gryś, S.
Minkina, W.
Powiązania:
https://bibliotekanauki.pl/articles/152387.pdf
Data publikacji:
2007
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
korekcja błędów dynamicznych czujnika
cyfrowy filtr adaptacyjny
algorytm RLS
procesor sygnałowy
Matlab
sensor`s dynamical error correction
digital adaptive filter
RLS algorithm
digital signal processor
Opis:
W artykule przedstawiono sposób implementacji algorytmu adaptacyjnej korekcji błędów dynamicznych metodą dwóch czujników. Zadanie zrealizowano w środowisku Matlab/Simulink z wykorzystaniem filtrów adaptacyjnych FIR ze strojeniem parametrów wg algorytmu RLS. Zastosowanie pakietu Matlab R14 pozwoliło na symulację działania elementów układu pomiarowego, a przede wszystkim, za pośrednictwem odpowiednich narzędzie programistycznych generację kodu maszynowego dla procesora sygnałowego TMS320C6713. W rezultacie korektor adaptacyjny został zrealizowany sprzętowo przez rzeczywisty procesor DSP firmy Texas Instruments umieszczony w systemie uruchomieniowym DSK.
In many cases dynamical error due to the sensor`s dynamics is a considerable part of measurement error. Therefore one of measuring system objectives is to minimize this error. If the sensor`s dynamics is time-varying due to dependence on the measured quanity then continous identification of the dynamics model and on-line error correction must be carried out. This task can be realized for example with use of a second sensor with different dynamical properies. In the paper there is presented an implementation of a two-sensor method in Matlab R14 and Simulink enviroment. The TMS320C6713 DSK system including Texas Instruments DSP processor, cooperating with Matlab/Simulink, is applied to correct the dynamical error due to sensor's dynamics.
Źródło:
Pomiary Automatyka Kontrola; 2007, R. 53, nr 9 bis, 9 bis; 202-205
0032-4140
Pojawia się w:
Pomiary Automatyka Kontrola
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Kontrast filtrowany w charakteryzacji wad materiałowych metodą aktywnej termografii
Filtered contrast in defect characterization using active infrared thermography
Autorzy:
Gryś, S.
Minkina, W.
Powiązania:
https://bibliotekanauki.pl/articles/152646.pdf
Data publikacji:
2010
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
badania nieniszczące
aktywna termografia
charakteryzacja defektów
propagacja rozkładów
symulacja Monte Carlo
nondestructive testing
active thermography
defect detection and characterization
propagation of distributions
Monte Carlo simulation
Opis:
W artykule przedstawiono możliwości zastosowania "kontrastu filtrowanego" do wykrywania i charakteryzacji defektów w materiale metodą aktywnej termografii. Do wyznaczenia "kontrastu filtrowanego" nie jest wymagana znajomość obszaru referencyjnego bez defektu oraz jest mniej wrażliwy na niejednorodność napromienienia powierzchni materiału w porównaniu do klasycznych rodzajów kontrastów cieplnych. Eksperyment przeprowadzono na stanowisku wyposażonym w kamerę ThermaCAM PM 595 oraz kartę rejestracji danych. Oszacowano wpływ parametrów cieplnych badanego materiału i defektu oraz parametru filtru wygładzającego, niezbędnego do implementacji idei kontrastu filtrowanego, na niepewność estymacji głębokości defektów. W analizie zastosowano zasadę propagacji rozkładów prawdo-podobieństwa i symulację Monte Carlo.
The paper presents the possibility of the use of new kind of thermal contrast in subsurface defects detection [1,3-6]. It allows detecting defects taking advantages [2,6] of an active thermography - Table 1. In opposition to known definitions of the thermal contrast [1], a defect-free area is no necessary and this contrast is less sensitive to nonuniformity of heat disposal to the material surface. The measurements were per-formed on a setup presented in Fig. 1 [7]. A special sample of Plexiglas was made with bottom-holes simulating defects - Figs 2 and 3. The material parameters - Table 2, were taken from [1]. The step heating was chosen as heat excitation. Exemplary, raw and processed thermograms for symmetrical and asymmetrical heat disposal are shown in Figs 4 and 5. The influence of the parameter B of the smoothing filter, thermal parameters of the tested material and defect on expanded uncertainty of determination of defect depth were analyzed. Due to significant complexity of the model the numerical method, i.e. Monte Carlo simulation was applied. According to this procedure [9,10] an expectation and 95% coverage intervals are presented in Tab 4 and 5. In the Table 6 there is fixed if the 95% coverage interval contains the true value of depth. For the inspected sample, B=10, and assumed accuracy of evaluation of diffusivity [8] of Plexiglas, the accuracy of the method does not exceed 20%. The optimal value of B corresponds to the diameter of defects. This aspect will be examined in further work.
Źródło:
Pomiary Automatyka Kontrola; 2010, R. 56, nr 8, 8; 893-896
0032-4140
Pojawia się w:
Pomiary Automatyka Kontrola
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Wykorzystanie sztucznych sieci neuronowych w zagadnieniu odwrotnym dyfuzji ciepła
Use of artificial neural networks for solving the heat diffusion inverse problem
Autorzy:
Chudzik, S.
Gryś, S.
Minkina, W.
Powiązania:
https://bibliotekanauki.pl/articles/152202.pdf
Data publikacji:
2009
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
sztuczne sieci neuronowe
przewodność cieplna
dyfuzyjność cieplna
materiały termoizolacyjne
artificial neural networks
thermal conductivity
thermal diffusivity
thermal insulating material
Opis:
W artykule przedstawiono koncepcję wykorzystania sztucznych sieci neuronowych do rozwiązania współczynnikowego zagadnienia odwrotnego dyfuzji ciepła. Opisywane rozwiązanie jest częścią projektu, którego celem jest opracowanie systemu pomiarowego wykorzystującego sondę cieplną do doraźnej kontroli parametrów cieplnych materiałów termoizolacyjnych. Przedstawiono wybrane wyniki badań symulacyjnych pozwalających porównać różne architektury sieci neuronowych. Symulacje obejmują proces uczenia i testowania sieci. Zbadano także wpływ błędów pomiarowych wielkości wejściowych na identyfikowane przez sieć neuronową parametry cieplne materiału. Przedstawiane symulacje przeprowadzono w środowisku Matlab.
The paper presents an idea of a measurement system with a hot probe for testing thermal parameters of heat insulation materials. In contrast to classical methods of linear heat source [1, 2, 5, 6, 7, 8], there are not assumed any significant simplifications in the model of heat flow in the material sample. The model of non-stationary heat flow in the material sample with a hot probe and auxiliary thermometer is based on a two-dimensional heat-conduction model and includes the heat capacity of the probe handle [3, 4, 9, 10]. The finite element method was used for solving the system of partial differential equations describing the model [11, 12] - Sections 2 and 3. The usability of the artificial neural network [14] for solving the inverse heat transfer problem in a sample of heat insulation material is presented [13, 15]. The network determines the values of the effective thermal conductivity and diffusivity on the basis of the temperature responses of the hot probe and auxiliary thermometer. In order to select the optimal neural network architecture, there were compared many network configurations in Sections 4, 5 and 6. Additionally, the influence of input quantity errors on the estimated values of the thermal parameters was analysed using the Monte Carlo method [16, 17, 18] - Sections 7 and 8. The simulations of the heat flow process, network training and testing processes as well as the analysis of the error sensitivity were carried out in the Matlab environment.
Źródło:
Pomiary Automatyka Kontrola; 2009, R. 55, nr 2, 2; 83-88
0032-4140
Pojawia się w:
Pomiary Automatyka Kontrola
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