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 networks" wg kryterium: Temat

  Lista filtrów
Wyrównaj
Wyświetlanie 1-15 z 22
Tytuł:
Parallel implementation of neural networks with the use of GPGPU technology OpenCL
Autorzy:
Kłyś, M.
Szymczyk, M.
Szymczyk, P.
Gajer, M.
Powiązania:
https://bibliotekanauki.pl/articles/114679.pdf
Data publikacji:
2015
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
OpenCL
Artificial Neural Networks
GPGPU
Opis:
The article discusses possibilities of implementing a neural network in a parallel way. The issues of implementation are illustrated with the example of the non-linear neural network. Parallel implementation of earlier mentioned neural network is written with the use of OpenCL library, which is a representative of software supporting general-purpose computing on graphics processor units (GPGPU). The obtained results demonstrate that some group of algorithms can be computed faster if they are implemented in a parallel way and run on a multi-core processor (CPU) or a graphics processing unit (GPU). In case of the GPU, the implemented algorithm should be divided into many threads in order to perform computations faster than on a multi-core CPU. In general, computations on a GPU should be performed when there is a need to process a large amount of data with the use of algorithm which is very well suited to parallel implementation.
Źródło:
Measurement Automation Monitoring; 2015, 61, 1; 16-20
2450-2855
Pojawia się w:
Measurement Automation Monitoring
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Correction of gas sensor dynamic errors by means of neural networks
Autorzy:
Roj, J.
Urzędniczok, H.
Powiązania:
https://bibliotekanauki.pl/articles/114150.pdf
Data publikacji:
2015
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
gas sensors
artificial neural networks
dynamic correction
Opis:
The paper presents a method based on artificial neural network (ANN) technique applied for correction of dynamic error of gas concentration measuring transducer. Its response time is about 8 minutes. The results obtained in the research of this transducer were used for learning and testing ANN, which were implemented in the dynamic correction task. The described method allowed for significant reduction of the transducer’s response time – the output signal was practically fixed after a time equal to one sampling period of output signal provided that the stimulus is a step function. In addition, the use of ANN allows reducing the impact of the transducer dynamic non-linearity on the correction effectiveness.
Źródło:
Measurement Automation Monitoring; 2015, 61, 12; 538-541
2450-2855
Pojawia się w:
Measurement Automation Monitoring
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
2D Geometric Surface Structure ANN Modeling after Milling of the AZ91D Magnesium Alloy
Autorzy:
Kulisz, Monika
Zagórski, Ireneusz
Józwik, Jerzy
Powiązania:
https://bibliotekanauki.pl/articles/2172344.pdf
Data publikacji:
2022
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
magnesium alloys
milling
roughness
artificial neural networks
simulations
Opis:
The paper presents the results of modeling 2D surface roughness parameters in milling by means of an artificial neural network (ANN). The AZ91D magnesium alloy was used. A HSS milling cutter was employed in the research. The main aim of the study was to obtain the lowest possible surface roughness (good quality) using a commonly available HSS cutter. The results of the research work were presented in the form of bar charts, surface charts and graphs depicting the quality of artificial neural networks. The conducted research shows that it is possible to carry out the machining processes that enable obtaining an average surface quality (defined by roughness parameters Ra, Rz, RSm, Rsk). The Ra, Rz, RSm parameters increase along with the machining parameters (fz, ap), as expected. The Rsk parameter takes (in most cases) negative values, which may indicate a surface with more intense friction and indicative of flat-topped distribution. On the other hand, the results of modeling the selected parameters – Ra, Rz, RSm – with the use of artificial neural networks allow concluding that the obtained network models show satisfactory predictive ability (R = 0.99), and thus are an appropriate tool for the prediction of surface roughness parameters.
Źródło:
Advances in Science and Technology. Research Journal; 2022, 16, 2; 131--140
2299-8624
Pojawia się w:
Advances in Science and Technology. Research Journal
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Optimization of a Jet Engine Compressor Disc with Application of Artificial Neural Networks for Calculations Related to Time and Mass
Autorzy:
Kieszek, Rafał
Kozakiewicz, Adam
Rogólski, Robert
Powiązania:
https://bibliotekanauki.pl/articles/2023846.pdf
Data publikacji:
2021
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
optimization
artificial neural networks
axial compressors
turbine jet engines
aerospace engineering
Opis:
The paper presents the results of a series of numerical research on the possibility of applying Artificial Neural Networks (ANNs) for ultimate strength calculations of selected parts of rotating machines. The layout and the principle of the algorithm operation were described, beginning from the general assumptions and then moving to the detailed description of the subsequent modules. The effects of applying the algorithm were presented on the example of the analysis of the compressor disc. The significant benefits of using it were the reduction of optimization time by about 40% and the disc weight reduction by 0.5 kg. Accuracy of ANNs was different in each iteration of a presented algorithm. Finally, high accuracy of neural networks was achieved with the following mean values of relevant indices reached in the last iteration: RMSE=0.5983, MAPA=0.0733 and R^2=0.99895. The further perspectives of undertaken research were defined at the end.
Źródło:
Advances in Science and Technology. Research Journal; 2021, 15, 2; 208-218
2299-8624
Pojawia się w:
Advances in Science and Technology. Research Journal
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Prognozowanie kolejnych wartości pomiarowego szeregu czasowego z zastosowaniem sztucznych sieci neuronowych i funkcji trygonometrycznych
Forecasting the next value measurement time series with the use of artificial neural networks and trigonometric functions
Autorzy:
Stachno, A.
Suproniuk, M.
Powiązania:
https://bibliotekanauki.pl/articles/156296.pdf
Data publikacji:
2014
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
prognozowanie
szeregi czasowe
sieci neuronowe
forecasting
time series
artificial neural networks
Opis:
W artykule przedstawiono wyniki badań prognozowania kolejnych wartości pomiarowych szeregów czasowych z zastosowaniem sztucznych sieci neuronowych. Metoda ta umożliwia analizę danych pomiarowych, pochodzących z obiektu, który nie posiada modelu matematycznego. Zbudowanie modelu neuronowego na podstawie szeregu czasowego, odzwierciedlającego dane pomiarowe jest często jedyną metodą przybliżenia sposobu działania obiektu. Wykorzystanie tego modelu do prognozowania zachowania się obiektu w przyszłości może uwzględniać dodatkowo zestaw funkcji trygonometrycznych oraz autorskiej metody WMF wygładzania szeregu czasowego. Przeprowadzone badania wykazały znaczący wzrost dokładności prognoz oraz możliwość uniezależnienia ich od wyprzedzenia czasowego.
The paper presents the results of forecasting subsequent measurement values of the time series (Fig. 1) using artificial neural networks. This method allows the analysis of measurement data [1], coming from an object that does not have a mathematical model. The only representation of the actual state of the output object is approximation of its properties using the neural model, automatically-adapting with respect to the output (Fig. 2). Creating a neural model based on the time series reflecting the measurement data is often the only way to approach the object operation. The use of this model for forecasting the behavior of the object in the future may include an additional set of trigonometric functions (Fig. 7), appropriately presented at the inputs of the neural network. As described in the work, the result of the time series to supplement additional, independent from the object data is to improve the forecast accuracy of successive values of the time series. Taking into account in the forecasting process data smoothing the author's method WMF [1] (Fig. 8), causes a significant increase in the accuracy of the obtained forecast results. The study showed the possibility of using trigonometric functions as input learning network. In addition, there was shown the increase in the accuracy of forecasts of successive values of the time series with different advance and independence of it from historical data (Fig. 10).
Źródło:
Pomiary Automatyka Kontrola; 2014, R. 60, nr 9, 9; 764-767
0032-4140
Pojawia się w:
Pomiary Automatyka Kontrola
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Przegląd wybranych metod prognozowania zapotrzebowania na wodę w miejskich sieciach wodociągowych
Review of chosen methods of water demand forecasting in municipal water networks
Autorzy:
Kwiesielewicz, M.
Słomiński, T.
Powiązania:
https://bibliotekanauki.pl/articles/152010.pdf
Data publikacji:
2003
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
zapotrzebowanie na wodę
predykcja
sztuczne sieci neuronowe
water demand
prediction
artificial neural networks
Opis:
Praca dotyczy prognozowania zapotrzebowania na wodę w miejskich sieciach wodociągowych. Podaje się czynniki kształtujące zapotrzebowania na wodę oraz dokonuje sie analizy porównawczej trzech wybranych metod predykcji, a mianowicie: predyktora neuronowego, predyktora neuronowo-rozmytego oraz metody opartej o uśrednianie pomiarów. Badania symulacyjne pokazały, że przy przyjetych założeniach najlepsze wyniki daje metoda uśredniania.
The paper concerns the problem of forecasting a water demand in communal water networks. Factor influencing water demand are characterized. Next three chosen forecasting techniques are analyzed, namely: neutral network based predictor, ANFIS predictor and method based on average value of measurements. Simulation calculation showed that third method was the best one according to taken assumptions.
Źródło:
Pomiary Automatyka Kontrola; 2003, R. 49, nr 12, 12; 28-31
0032-4140
Pojawia się w:
Pomiary Automatyka Kontrola
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Porównanie i ocena metod klasyfikacji sygnałów EEG
Analysis and classification of EEG data. An evaluation of methods
Autorzy:
Rutkowski, G.
Patan, K.
Powiązania:
https://bibliotekanauki.pl/articles/154847.pdf
Data publikacji:
2012
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
EEG
sztuczne sieci neuronowe
rozpoznawanie obrazów
klasyfikacja
artificial neural networks
pattern recognition
classification
Opis:
Analiza i interpretacja sygnałów elektroencefalograficznych znalazła szerokie spektrum zastosowań w diagnostyce klinicznej. Pomimo licznych doświadczeń specjalistów, ciągle napotyka się wiele trudności. Powstające problemy związane są m.in. z aspektami technicznymi co spowodowane jest charakterem niestacjonarności w przypadku sygnałów takich jak sygnały EEG. Rozwiązania sprzętowe i programowe w tej dziedzinie są poddawane ciągłej poprawie ze względu na rozwój technologiczny. Bardzo obiecującym narzędziem w analizie i interpretacji sygnałów EEG są sztuczne sieci neuronowe. W pracy przedstawiono eksperymenty oparte o analizę i klasyfikację danych biomedycznych za pomocą różnych technik, w tym metod klasycznych takich jak naiwny klasyfikator Bayesa, k najbliższych sąsiadów z zastosowaniem metod sztucznej inteligencji takich jak klasyfikatory SVM czy perceptron wielowarstwowy.
Analysis and interpretation methods of electroencephalogram signals have found a broad spectrum of applications in clinical diagnosis. Despite the experience of professionals, biomedical data analysis encounters many difficulties. Measurement problems are associated with both the technical ground that determines the character of non-stationarity of EEG signals and the individual nature of a neurological dysfunction. The existing hardware and software have been continuously improved due to the rapid progress of technological development. Very promising tool in the analysis and interpretation of the EEG signals are artificial neural networks. An electroencephalogram (EEG) is a noninvasive technique for measurement of processes occurring in the human brain. This technique allows direct measurement of electrical potentials of neuronal activity. EEG is thus recording of electrical activity of nerve cells on the surface of the cerebral cortex. Seizures are very important element in clinical diagnosis due to the ongoing search for causal link in generating sudden discharges of electricity. The interpretation of such signals may allow for appropriate treatment and selection of relevant therapy for individual cases. There have been many works in the area of electroencephalography which used artificial neural networks involving among the others in the process of recognizing specific graphoelements, which in turn indicate a definite neurological dysfunction. Neural networks are also able to extract the relevant information contained in the EEG signals and support the process of solving problems, such as the identification of characteristic EEG [1, 5, 6] patterns or determine patterns based on spectral EEG topography [3]. Neural networks are also used to identify artifacts, where inputs to the classifier are implemented in the form of selected parameters of a specific wave length [10]. The paper presents experiments based on the analysis and classification of biomedical data using various techniques, including classical methods such as naive Bayes classifiers, and nearest neighbor using artificial intelligence methods including SVM classifiers and multilayer perceptron.
Źródło:
Pomiary Automatyka Kontrola; 2012, R. 58, nr 4, 4; 369-371
0032-4140
Pojawia się w:
Pomiary Automatyka Kontrola
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Artificial neural network modelling of vibration in the milling of AZ91D alloy
Autorzy:
Zagórski, I.
Kulisz, M.
Semeniuk, A.
Malec, A.
Powiązania:
https://bibliotekanauki.pl/articles/102005.pdf
Data publikacji:
2017
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
magnesium alloys
high-speed dry milling
vibration
chatter in milling
simulation
artificial neural networks
Opis:
The paper reports the results of artificial neural network modelling of vibration in a milling process of magnesium alloy AZ91D by a TiAlN-coated carbide tool. Vibrations in machining processes are regarded as an additional, absolute machinability index. The modelling was performed using the so-called “black box” model. The best fit was determined for the input and output data obtained from the machining process. The simulations were performed by the Statistica software using two types of neural networks: RBF (Radial Basis Function) and MLP (Multi-Layered Perceptron).
Źródło:
Advances in Science and Technology. Research Journal; 2017, 11, 3; 261-269
2299-8624
Pojawia się w:
Advances in Science and Technology. Research Journal
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Wykorzystanie sztucznej sieci neuronowej do diagnostyki związków chemicznych przy pomocy ich widm w podczerwieni
Application of artificial neural networks in diagnostics of chemical compounds from their infrared spectra
Autorzy:
Stemplewski, S.
Macek-Kamińska, K.
Powiązania:
https://bibliotekanauki.pl/articles/151648.pdf
Data publikacji:
2013
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
sztuczne sieci neuronowe
identyfikacja
spektroskopia
widma
podczerwień
artificial neural networks
identification
spectroscopy
spectrum
infrared
Opis:
W artykule przedstawiono możliwości zastosowania sztucznej sieci neuronowej w identyfikacji związków chemicznych metodą tzw. „odcisku palca” oraz opisano budowę opracowanego specjalnie do tego celu narzędzia z wykorzystaniem SSN, jak też sprecyzowano wymogi, jakie muszą być spełnione do jej poprawnego funkcjonowania.
This paper presents a combination of the “finger-print” identification method and artificial neural networks (ANN) for effective diagnostics of chemical compounds from their infrared spectra. Identification of chemical compounds on the basis of their IR spectra is a serious problem in absorption spectrophotometry, used in practical chemical analysis. Using ANN to diagnose chemical compounds opens up new abilities for effective identification, not only in terms of speeding the process up but also in view of modeling complex nonlinear signals. A programming tool is developed in Microsoft Visual C# and tested on the basis of one hundred chemical compounds used to teach the ANN. The self-learning ability of ANN is used to construct a relationship between input and output parameters. Using AAN is also possible both to ignore redundant data and those whose impact on the phenomenon is negligible, so it is focused on the input data having a major impact on the modeled process. ANN is used to diagnose one hundred chemical compounds and further studies will be focused on possible expanding the database to include some other compounds.
Źródło:
Pomiary Automatyka Kontrola; 2013, R. 59, nr 1, 1; 38-39
0032-4140
Pojawia się w:
Pomiary Automatyka Kontrola
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Artificial Neural Networks Approaches to Monitoring of Combustion in a Fluid Boiler
Monitorowanie kotłów fluidalnych z zastosowaniem neuronowych modeli spalania
Autorzy:
Jankowska, A.
Kornacki, S.
Powiązania:
https://bibliotekanauki.pl/articles/972155.pdf
Data publikacji:
2009
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
sztuczne sieci neuronowe
wirtualne analizatory
diagnostyka kotłów energetycznych
artificial neural networks
virtual analyzers
fluid boilers diagnosis
Opis:
The paper describes the applications of artificial neural network models to calculating the emission of exhaust gases and early detection of a steam leak in power fluid boilers. Both tasks are related to the monitoring of boilers operation necessary for fulfilling the ecological requirements (balancing and reduction of the contamination emissions) and limiting the damage results. The paper describes especially problems, that are of general character and are important for implementation of industrial applications similar to other industrial plants.
Opisano zastosowanie modeli neuronowych do wyliczania emisji zanieczyszczeń powietrza oraz do wczesnego wykrywania nieszczelności parowych w energetycznych kotłach fluidalnych. Oba zadania związane są z monitorowaniem pracy kotłów koniecznym dla spełnienia wymagań ekologicznych (bilansowanie i redukcja emisji zanieczyszczeń) oraz ograniczeniem skutków awarii. W artykule przedstawiono zwłaszcza te zagadnienia, które mają charakter ogólny i są ważne przy tworzeniu tego typu przemysłowych aplikacji dla innych obiektów przemysłowych.
Źródło:
Pomiary Automatyka Kontrola; 2009, R. 55, nr 3, 3; 149-151
0032-4140
Pojawia się w:
Pomiary Automatyka Kontrola
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Wear of Railway Tyre Steels Modelling Using Artificial Neural Networks
Modelowanie zużycia stali na obręcze kół kolejowych za pomocą sztucznych sieci neuronowych
Autorzy:
Witaszek, Mirosław
Witaszek, Kazimierz
Powiązania:
https://bibliotekanauki.pl/articles/1857830.pdf
Data publikacji:
2020
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
wear
tyre steels
artificial neural networks
modelling
zużycie
stale na obręcze kół kolejowych
sztuczne sieci neuronowe
modelowanie
Opis:
In the paper the results of sliding wear tests were used to model the dependence of steel volume loss on railway wheel tyres on selected material parameters and sliding conditions. The material properties included in this modelling were the hardness and chemical composition of the tyre material (specimens) and the hardness of the mating material (counter-specimens). The conditions for sliding were the initial maximum Hertzian pressure and the sliding distance. The tests were carried out in the ring-block system. Artificial neural networks were used for modelling. It was found that the constructed model made it possible to quantify the volume loss from the above–mentioned factors. A clear influence of the pressure, friction distance, and hardness of both cooperating materials on the studied wear was found. The influence of the chemical composition is less noticeable due to the rather narrow range of its allowable changes. The microscopic tests allowed us to identify the main wear mechanisms in the sliding friction of the tested tyre and rail steels.
W pracy przedstawiono wykorzystanie wyników badań zużycia przy tarciu ślizgowym do modelowania zależności zużycia objętościowego stali na obręcze kół kolejowych od wybranych parametrów materiału i warunków współpracy. Własnościami materiału uwzględnionymi w tym modelowaniu były twardość oraz skład chemiczny materiału obręczy (próbki) oraz twardość materiału współpracującego (przeciwpróbki). Warunkami współpracy były początkowy, maksymalny nacisk Hertza i droga tarcia. Badania przeprowadzono w układzie klocek–krążek. Do modelowania wykorzystano sztuczne sieci neuronowe. Stwierdzono, że zbudowany model pozwolił na określenie zależności ilościowych ubytku objętościowego od wyżej wymienionych czynników. Wskazano występowanie wyraźnego wpływ nacisku, drogi tarcia, twardości obu współpracujących materiałów na badane zużycie. Wpływ składu chemicznego jest mniej zauważalny z powodu dość wąskiego zakresu dopuszczalnych jego zmian. Badania mikroskopowe pozwoliły na zidentyfikowanie głównych mechanizmów zużywania przy tarciu ślizgowym badanych stali obręczowych i szynowej.
Źródło:
Tribologia; 2020, 294, 6; 77-85
0208-7774
Pojawia się w:
Tribologia
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Zastosowanie sztucznych sieci neuronowych do wyznaczania współczynnika dyfuzyjności cieplnej
Determination of thermal diffusivity using artificial neural networks
Autorzy:
Chudzik, S.
Powiązania:
https://bibliotekanauki.pl/articles/155933.pdf
Data publikacji:
2013
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
sztuczne sieci neuronowe
przewodność cieplna
dyfuzyjność cieplna
materiały termoizolacyjne
artificial neural networks
thermal diffusivity
thermal insulating material
Opis:
W artykule przedstawiono wyniki badań nad opracowywaną metodą wyznaczenia współczynnika dyfuzyjności cieplnej materiału termoizolacyjnego. W metodzie tej wykorzystano wymuszenie temperatury o charakterze harmonicznym oraz do pomiaru rozkładu temperatury planowane jest użycie kamery termowizyjnej. W badaniach symulacyjnych wykorzystano stworzony do tego celu trójwymiarowy model zjawiska dyfuzji ciepła w badanej próbce materiału. Do rozwiązania współczynnikowego zagadnienia odwrotnego zaproponowano koncepcję wykorzystania sztucznej sieci neuronowej.
The paper presents the results of research on methods for determining the coefficient of thermal diffusivity of thermal insulating material. This method uses periodic heating as an excitation and an infrared camera for measuring the temperature distribution on the tested material surface. A three-dimensional model of the phenomenon of heat diffusion in a sample of the tested material was used for simulation investigations. To solve the coefficient inverse problem, there is proposed an idea of using an artificial neural network. The periodic heating technique is based on diffusion of a heat wave in the specimen, which is a response to the temperature harmonic excitation – Section 2. The model of a nonstationary heat flow process in the sample of material is based on a three-dimensional heat-conduction model and includes the third kind Fourier boundary conditions. For solving the system of partial differential equations, used to describe the model, the finite element method was applied [1, 2, 10]. The usability of the artificial neural network [7, 8, 9] in solving the inverse heat transfer problem in a sample of heat insulation material is presented – Section 3. The network determines the value of effective thermal diffusivity on the basis of the amplitude decrease ΔA of the thermal wave on the specimen surface, and the time in which the thermal wave moves by the distance Δz on the specimen side surface. During selection of the optimal neural network architecture many configurations were assessed. Additionally, the influence of the input quantities errors on the estimated values of the thermal parameters was also analysed using the Monte Carlo technique [12]. Simulations of the heat flow process, network training and testing processes and analysis of the error sensitivity were carried out in the Matlab environment.
Źródło:
Pomiary Automatyka Kontrola; 2013, R. 59, nr 1, 1; 31-33
0032-4140
Pojawia się w:
Pomiary Automatyka Kontrola
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Koncepcja wykorzystania metody termofalowej oraz pomiarów termowizyjnych do wyznaczania parametrów cieplnych materiałów termoizolacyjnych
The concept of using periodic heating technique for determination of thermal parameters of heat insulation materials
Autorzy:
Chudzik, S.
Minkina, W.
Powiązania:
https://bibliotekanauki.pl/articles/151298.pdf
Data publikacji:
2013
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
sztuczne sieci neuronowe
przewodność cieplna
dyfuzyjność cieplna
materiały termoizolacyjne
artificial neural networks
thermal conductivity
thermal insulating material
thermal diffusivity
Opis:
W artykule przedstawiono wyniki badań nad opracowywaną metodą wyznaczania parametrów cieplnych materiałów termoizolacyjnych. W metodzie tej wykorzystano wymuszenie temperatury o charakterze harmonicznym. Do pomiaru rozkładu temperatury w eksperymencie użyto kamery termowizyjnej. W badaniach symulacyjnych wykorzystano stworzony trójwymiarowy model zjawiska dyfuzji ciepła w badanej próbce materiału. Do rozwiązania współczynnikowego zagadnienia odwrotnego zaproponowano koncepcję wykorzystania sztucznej sieci neuronowej.
The paper presents results of research on the developed method for determining thermal parameters of a thermal insulating material [2]. This method applies periodic heating as an excitation and an infrared camera is used to measure the temperature distribution on the surface of the tested material – Sections 2 and 3. The author proposed the use of a three-dimensional model of the heat diffusion in a material sample. For solving the system of partial differential equations, the finite element method was applied [11] – Section 2. To solve the coefficient inverse problem, an approach using an artificial neural network is proposed – Section 3. The usability of the artificial neural network in solving the inverse heat transfer problem in a sample of heat insulation material is presented [12, 13]. The network determines the value of effective thermal conductivity and effective thermal diffusivity on the basis of the temperature distribution on the surface of the tested material. Additionally, the influence of the input quantity errors on the estimated values of the thermal parameters was also analysed using the Monte Carlo technique [15] – Section 4. A trained neural network based on the temperature responses on the lateral surface of the sample measured by infrared thermography, quickly would determine the thermo-physical parameters. The obtained results confirm the usefulness of applying artificial intelligence methods to solving the coefficient inverse problem when using infrared measurement methods.
Źródło:
Pomiary Automatyka Kontrola; 2013, R. 59, nr 9, 9; 920-923
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
Tytuł:
Aktywna kompensacja falowania w urządzeniu offshore przy sterowaniu wykorzystującym sztuczną sieć neuronową
Active heave compensation in offshore equipment with a neural network based control system
Autorzy:
Szczotka, M.
Powiązania:
https://bibliotekanauki.pl/articles/155131.pdf
Data publikacji:
2010
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
układ aktywnej kompensacji (AHC)
napęd aktywny
urządzenia offshore
sztuczna sieć neuronowa
active heave compensation
active drive
offshore machinery
artificial neural networks
Opis:
W artykule przedstawiono przykładowe rozwiązanie układu kompensującego ruchy statku wywołane falowaniem morskim. Zastosowano sterowanie w układzie zamkniętym, wykorzystując przy tym sztuczne sieci neuronowe. W analizowanym systemie lina jest prowadzona z wciągarki umiejscowionej na pokładzie jednostki, poprzez system krążków na A-ramie. Kompensacja ruchów statku bądź platformy umożliwia precyzyjne umieszczanie ładunku na dnie morza. Głównym komponentem odpowiedzialnym za eliminację ruchu ładunku jest system AHC wykorzystujący specjalny siłownik poruszający krążki i zmieniający długość liny. Zaproponowano prosty model umożliwiający symulacje układu w warunkach falowania oraz przeprowadzono przykładowe obliczenia.
An offshore equipment with heave compensation system is presented in the paper. A simplified mathematical model allows studying the motion of the load when lowering towards seabed. During wavy sea, the load oscillations generated by a moving base (vessel, platform) make it very difficult to install a subsea unit on the seabed. Costly equipment has to be treated in a special way: an AHC system must be used in order to prevent the modules from damage. An example system presented is based on an A-frame, mounted in mid-ship over the moon pool and a winch system. In-line mounted compensator on the cross beam is considered. The rope length is controlled by application of a set of moving sheaves. Lagrange equations of the second order are applied in order to derive the equations of motion. The load is assumed to be a point mass, having three degrees of freedom. The rope model takes into account stiffness and damping. Motion of the vessel is assumed to be known. Dynamic optimisation enabling determination of the drive functions is defined. The optimal drive function realises the desired motion of the compensation cylinder, which minimises the load movement. Even for a simple and very efficient model, it is not possible to find an optimal course of AHC cylinder stroke in real-time. Therefore the optimisation is used further to generate a set of basic functions minimising the load movement for a defined weather window. A neural network is introduced, having used the generated base as learning data for the network teaching process. Then the neural network can be applied to simulations as an open loop controller, thanks to generalisation properties of the network. In order to improve the quality of compensation, a closed loop control system composed of a digital PID controller and the neural network is applied. Some numerical results are presented. The method de-scribed can be used in real-time, thus it is possible to implement it in practice.
Źródło:
Pomiary Automatyka Kontrola; 2010, R. 56, nr 6, 6; 593-596
0032-4140
Pojawia się w:
Pomiary Automatyka Kontrola
Dostawca treści:
Biblioteka Nauki
Artykuł
Wyświetlanie 1-15 z 22

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