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 "neural modelling" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-3 z 3
    Tytuł:
    Detekcja nieszczelności kotła fluidalnego z użyciem modeli rozmyto-neuronowych
    Approach to boiler leak detection with fuzzy neural models
    Autorzy:
    Szadkowski, B.
    Jankowska, A.
    Powiązania:
    https://bibliotekanauki.pl/articles/257517.pdf
    Data publikacji:
    2011
    Wydawca:
    Sieć Badawcza Łukasiewicz - Instytut Technologii Eksploatacji - Państwowy Instytut Badawczy
    Tematy:
    detekcja awarii
    systemy rozmyto-neuronowe
    kocioł fluidalny
    modelowanie
    detection of outage
    fuzzy-neural system
    fluidised bed boiler
    modelling
    Opis:
    Zreferowano badania modelowe nad detekcją nieszczelności kotłów fluidalnych z wykorzystaniem danych z archiwum. Modelowanie prowadzono w przyborniku Fuzzy Logic pakietu Matlab. Omówiono dwa podejścia do rozwiązania problemu. W pierwszym - opracowano modele rozmyto-neuronowe typu Takagi-Sugeno-Kanga (TSK) 4 zmiennych procesowych o dużej wrażliwości na przeciek. Uśrednione residua tych zmiennych, w przesuwnym oknie czasowym, pozwoliły wykryć 7 z 8 rozważanych przypadków nieszczelności. Oceniono długość okna i uzyskane wyprzedzenie detekcji względem wyłączenia bloku. Następnie opracowano i przetestowano model awarii o binarnym wyjściu. Równoległe wykorzystanie opracowanych modeli pozwoliło na wykrycie z kilkudniowym wyprzedzeniem wszystkich analizowanych awarii, potwierdzając przydatność modeli TSK w ważnym zadaniu eksploatacyjnym. Wskazano dalsze kierunki prac.
    The research results into leak detection in a fluidised bed boiler are presented. The studies took advantage of the historical data from DCS in the professional power plant. Models of neuro-fuzzy Takagi-Sugeno-Kanga (TSK) type were built and tested in the Fuzzy Toolbox of Matlab. The roots of boiler outage (in water-steam pressure system and aside from this system) are indicated. The two approaches to leak detection task are described. In the first, the models of the 4 process variables sensitive to leakage were built. The residues of these models were evaluated in a moving time window. The length of the time window and the advance of leakage detection are discussed. Next, the model the TSK of the boiler faults with binary output was built and tested. Training data was collected for 3 cases of raised outage (models output - 1) and the normal work of installation (models output - 0). The parallel usage of proposed TSK models provided a successful detection of all studied fault cases a few days in advance. This has confirmed the suitability of the fuzzy neural models in an important exploitation task.
    Źródło:
    Problemy Eksploatacji; 2011, 2; 181-188
    1232-9312
    Pojawia się w:
    Problemy Eksploatacji
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Neural networks as a friction classifiers
    Sieci neuronowe jako klasyfikatory tarcia
    Autorzy:
    Gocman, K.
    Kałdoński, T.
    Powiązania:
    https://bibliotekanauki.pl/articles/257827.pdf
    Data publikacji:
    2007
    Wydawca:
    Sieć Badawcza Łukasiewicz - Instytut Technologii Eksploatacji - Państwowy Instytut Badawczy
    Tematy:
    tarcie graniczne
    zatarcie
    modelowanie procesów tarcia
    sztuczna sieć neuronowa
    boundary friction
    seizure
    modelling of friction processes
    artificial neural network
    Opis:
    Preliminary results of the influence of load and rotational speed on the moment of friction and wear of a tribological pair are presented in the paper. Tests were carried out at rotational speeds of about 100-2000 rpm and loads of about 500-6000 N. During the tests, the moment of friction, oil temperature and weather conditions were registered. After the tests, the conditions of the wear of tribological pairs were measured. The analysis of results was developed, and a friction classifier was built using artificial neural networks (ANN). The different training algorithms were applied to obtain the best quality models.
    W artykule przedstawiono wstępne wyniki badań wpływu obciążenia i prędkości obrotowej na wartość momentu tarcia i zużycie pary ciernej. Badania przeprowadzono w szerokim zakresie obciążeń (500-6000 N) i prędkości obrotowych (100-2000 obr./min). W czasie pomiarów rejestrowano wartość momentu tarcia, temperaturę środka smarnego oraz warunki otoczenia. Po zakończeniu testów wyznaczono zużycie elementów pary ciernej. Po przeprowadzonej analizie wyników, na bazie sztucznych sieci neuronowych zbudowano klasyfikator tarcia. W czasie budowy modeli zastosowano różne algorytmy uczące, tak aby uzyskać jak najlepszą jakość klasyfikatorów.
    Źródło:
    Problemy Eksploatacji; 2007, 4; 111-118
    1232-9312
    Pojawia się w:
    Problemy Eksploatacji
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    The application of the process modelling of anodic wet-stripping of CrN multi-layer coatings for characteristics prediction
    Zastosowanie modelowania do prognozowania przebiegu anodowego rozpuszczania złożonych powłok CrN
    Autorzy:
    Bujak, J.
    Ruta, R.
    Trzos, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/256710.pdf
    Data publikacji:
    2006
    Wydawca:
    Sieć Badawcza Łukasiewicz - Instytut Technologii Eksploatacji - Państwowy Instytut Badawczy
    Tematy:
    powłoka CrN
    rozpuszczanie anodowe
    modelowanie statystyczne
    sztuczna sieć neuronowa
    model prognostyczny
    multi-layer coating
    anodic wet-stripping
    statistical modelling
    artificial neural network
    prognostic model
    Opis:
    The paper presents the results of experimental research on a process of anodic wet-stripping of CrN multi-layer coatings. The stripping rate was correlated with the coating structure and the current density of the stripping process. The experimental data was statistically analysed and regression models of stripping thickness were created as a function of stripping time. The obtained results indicated that the anodic wet-stripping process can be described by means of linear function only in the case of one-layer coatings. Moreover, the general neural network model was created as a complex model including both quantitative and qualitative variables characterising the wet-stripping process. The developed models enable the estimation of the character and time of the stripping process, depending on the coating thickness, structure and current parameters.
    W artykule przedstawiono wyniki badań eksperymentalnych anodowego procesu rozpuszczania złożonych powłok CrN. Uzyskane wyniki poddano analizie statystycznej, w rezultacie której wyznaczono modele regresyjne przebiegu procesu rozpuszczania w funkcji czasu. Ponadto wykorzystując sztuczne sieci neuronowe opracowano kompleksowy model procesu rozpuszczania anodowego. Opracowane modele umożliwiają oszacowanie przebiegu i czasu rozpuszczania w zależności od grubości powłoki oraz zastosowanych parametrów prądowych.
    Źródło:
    Problemy Eksploatacji; 2006, 4; 7-16
    1232-9312
    Pojawia się w:
    Problemy Eksploatacji
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-3 z 3

      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