Informacja

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

Wyszukujesz frazę "contact network" wg kryterium: Temat


Wyświetlanie 1-2 z 2
Tytuł:
Application of artificial neural networks for the prediction of the service conditions of an elastohydrodynamic EHL contact in the presence of solid pollutant
Autorzy:
Mattallah, Sabrina
Kelaiaia, Ridha
Louahem M’Sabah, Hanane
Kerboua, Adlen
Powiązania:
https://bibliotekanauki.pl/articles/27313819.pdf
Data publikacji:
2024
Wydawca:
Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
Tematy:
elastohydrodynamic contact
solid pollution
artificial neural network
wear
Opis:
Lubricated mechanical mechanisms operate under service conditions influenced by several environmental parameters, and their life times may be threatened due to inappropriate use or by the presence of solid contaminants. The objective of this work is to study the effect of three operating parameters, namely: rotational speed , load and kinematic viscosity in the presence of three sizes of solid contaminants , on the degradation of an EHL contact, to predict the ranges of effects that may lead to the damage of the contacting surfaces. In our investigation, anexperimental design of nine trials is used to combine four factors with three levels each to accomplish the experimental investigation. Artificial neural network regression and the desirability function were used for the interpretation and modelling of the responses, whichare: wear , arithmetic mean height , total profile height and maximum profile height . From these methods we observed that the sand grain sizes have a significant impact on the wear and the roughness , but that viscosity has the primary influence on the variation of the roughnesses and . We also found that the quality of the predicted models is very good, with overall determination coefficients of 2 learning = 0.9985 and 2 validation = 0.9996. Several levels of degradation depending on the operating conditions are predicted using the desirability function.
Źródło:
Diagnostyka; 2024, 25, 1; art. no. 2024107
1641-6414
2449-5220
Pojawia się w:
Diagnostyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Application of artificial neural networks in modelling the contact area of grain seeds
Wykorzystanie sztucznych sieci neuronowych w modelowaniu powierzchni kontaktu ziarna zbóż
Autorzy:
Frączek, J.
Francik, S.
Ślipek, Z.
Knapczyk, A.
Powiązania:
https://bibliotekanauki.pl/articles/93661.pdf
Data publikacji:
2016
Wydawca:
Polskie Towarzystwo Inżynierii Rolniczej
Tematy:
contact area
seed material
artificial neural network
powierzchnia kontaktu
materiał ziarnisty
sztuczna sieć neuronowa
Opis:
The objective of the research was to create a model which defines the relation between a fundamental contact area of a seed and the pressure force, water content in a seed and its geometrical dimensions with application of artificial neural networks (SSN). Computer program Statistica Neural Networks v. 6.0. was used for formation of a neural model. Tests were carried out on Roma wheat seed and Dańkowskie Złote rye with six various water contents: 0.11 0.15 0.19 0.23 0.28 0.33 (kg⋅kg-1 dry mass). Caryopses were loaded with eight values of compression force - from 41 N to 230 N. Multiplicity of iterations was 5. Seed material was moistened to obtain a specific water content. Each seed was loaded with compression force with respectively growing values: 41N, 68N, 95N, 122N, 149N, 176N, 203N and 230N. A four-layer network of Perceptron type with 10 neurons in the first and 8 neurons in the second hidden layer was selected as a model which the best defines the contact area of grain seeds loaded with axial force at various moisture levels. This network has 4 inputs (water content, pressure force, thickness and length of caryopses) and one output (elementary contact area of rye and wheat seeds). Comparison of the neural model with empirical formulas obtained from nonlinear estimation proved a considerable higher precision of the first one.
Celem badań było utworzenie modelu określającego zależności między elementarną powierzchnią kontaktu ziarna, a siłą nacisku, zawartością wody w ziarnie oraz jego wymiarami geometrycznymi, przy wykorzystaniu sztucznych sieci neuronowych (SSN). Do tworzenie modelu neuronowego wykorzystano program komputerowy Statistica Sieci Neuronowe v. 6.0. Badania przeprowadzono na ziarnie pszenicy Roma oraz żyta Dańkowskie Złote, przy sześciu różnych zawartościach wody: 0,11 0,15 0,19 0,23 0,28 0,33 (kg⋅kg-1 s.m.). Ziarniaki obciążano ośmioma wartościami siły ściskającej – od 41N do 230N. Krotność powtórzeń wynosiła 5. Materiał ziarnisty nawilżano aby uzyskać określoną zawartość wody. Każde ziarno obciążano siłą ściskającą o kolejno rosnących wartościach: 41N, 68N, 95N, 122N, 149N, 176N, 203N i 230N. Jako model najlepiej określający powierzchnię styku ziarna zbóż obciążanego siłą osiową, przy różnej wilgotności wybrano czterowarstwową sieć typu Perceptron o 10 neuronach w pierwszej i 8 neuronach w drugiej warstwie ukrytej. Sieć ta posiada 4 wejścia (zawartość wody, siła nacisku, grubość i długość ziarniaka), i jedno wyjście (elementarna powierzchnia kontaktu ziarna żyta i pszenicy). Porównanie modelu neuronowego z formułami empirycznymi uzyskanymi z estymacji nieliniowej wykazało zdecydowanie większą dokładność pierwszego z nich.
Źródło:
Agricultural Engineering; 2016, 20, 4; 27-37
2083-1587
Pojawia się w:
Agricultural Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-2 z 2

    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