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 1-15 z 20
Tytuł:
Predictive neural network in multipurpose self-tuning controller
Autorzy:
Bondar, Oleksiy
Powiązania:
https://bibliotekanauki.pl/articles/386771.pdf
Data publikacji:
2020
Wydawca:
Politechnika Białostocka. Oficyna Wydawnicza Politechniki Białostockiej
Tematy:
artificial neural network
adaptive regulator
backpropagation algorithm
system modelling
Opis:
A very important problem in designing of controlling systems is to choose the right type of architecture of controller. And it is always a compromise between accuracy, difficulty in setting up, technical complexity and cost, expandability, flexibility and so on. In this paper, multipurpose adaptive controller with implementation of artificial neural network is offered as an answer to a wide range of tasks related to regulation. The effectiveness of the approach is demonstrated by the example of an adaptive thermostat. It also compares its capabilities with those of classic PID controller. The core of this approach is the use of an artificial neural network capable of predicting the behaviour of controlled object within its known range of parameters. Since such a network, being trained, is a model of a regulated system with arbitrary precision, it can be analysed to make optimal management decisions at the moment or in a number of steps. Network learning algorithm is backpropagation and its modified version is used to analyse an already trained network in order to find the optimal solution for the regulator. Software implementation, such as graphical user interface, routines related to neural network and many other, is done using Java programming language and Processing open-source integrated development environment.
Źródło:
Acta Mechanica et Automatica; 2020, 14, 2; 114-120
1898-4088
2300-5319
Pojawia się w:
Acta Mechanica et Automatica
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Neural modeling of the electric power stock market in usage of MATLAB and Simulink tools for the day ahead market data
Autorzy:
Ruciński, D.
Tchórzewski, J.
Powiązania:
https://bibliotekanauki.pl/articles/94831.pdf
Data publikacji:
2016
Wydawca:
Szkoła Główna Gospodarstwa Wiejskiego w Warszawie. Wydawnictwo Szkoły Głównej Gospodarstwa Wiejskiego w Warszawie
Tematy:
neuronal modelling
MATLAB
Simulink environment
simulation research
artificial neural network
Opis:
The work contains selected results of the modelling of neural Electric Power Exchange (EPE) in Poland. For modelling EPE system, artificial neural network (ANN) was constructed. ANN was learned and tested using of the next day market data. Generated neural model was used for simulation tests and susceptibility tests. Suitable model was implemented in Simulink. As a result of simulation tests and susceptibility testing a lot of interesting research results were obtained.
Źródło:
Information Systems in Management; 2016, 5, 2; 215-226
2084-5537
2544-1728
Pojawia się w:
Information Systems in Management
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Studies on the ANN implementation in the macro BIM cost analyzes
O możliwościach zastosowania SSN w analizach kosztowych "macro BIM"
Autorzy:
Juszczyk, M.
Powiązania:
https://bibliotekanauki.pl/articles/887471.pdf
Data publikacji:
2017
Wydawca:
Szkoła Główna Gospodarstwa Wiejskiego w Warszawie. Wydawnictwo Szkoły Głównej Gospodarstwa Wiejskiego w Warszawie
Tematy:
artificial neural network
implementation
BIM technology zob.building information modelling
cost analysis
building information modelling
Opis:
Studies on the ANN implementation in the macro BIM cost analyzes. The paper presents an approach which combines the concept of macro-level BIM-based cost analyzes analyzes and application of artificial intelligence tools – namely artificial neural networks. Discussion and foundations of the proposed approach are introduced in the paper to clarify the problem’s core. An exemplary case study reports the results of initial studies on the application of neural networks for the purposes of BIM-based cost analysis of a buildings’ fl oor structural frame. The results obtained justify the proposal of application of neural networks as a supportive mathematical tool in the problem presented in the paper.
O możliwościach zastosowania SSN w analizach kosztowych „macro BIM”. Artykuł przedstawia podejście, w którym połączono koncepcję analiz kosztowych macro BIM z zastosowaniem narzędzi sztucznej inteligencji – sztucznych sieci neuronowych. W artykule zaprezentowano dyskusję i podstawowe założenia proponowanego podejścia stanowiące wyjaśnienie istoty problemu. Studium przypadku przedstawia wyniki wstępnych badań dotyczących różnego zastosowania sieci neuronowych w analizach kosztów z zastosowaniem BIM na przykładzie oszacowań kosztów konstrukcji nośnej kondygnacji budynku. Uzyskane wyniki uzasadniają propozycję wykorzystania sieci neuronowych jako narzędzia matematycznego rozwiązywania problemu przedstawionego w artykule.
Źródło:
Scientific Review Engineering and Environmental Sciences; 2017, 26, 2[76]
1732-9353
Pojawia się w:
Scientific Review Engineering and Environmental Sciences
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Modelling of mass transfer kinetic in osmotic dehydration of kiwifruit
Autorzy:
Jabrayili, S.
Farzaneh, V.
Zare, Z.
Bakhshabadi, H.
Babazadeh, Z.
Mokhtarian, M.
Carvalho, I.S.
Powiązania:
https://bibliotekanauki.pl/articles/24375.pdf
Data publikacji:
2016
Wydawca:
Polska Akademia Nauk. Instytut Agrofizyki PAN
Tematy:
modelling
mass transfer
kinetics
osmotic dehydration
kiwi fruit
artificial neural network
Źródło:
International Agrophysics; 2016, 30, 2
0236-8722
Pojawia się w:
International Agrophysics
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Prediction of Mechanical Properties of Woven Fabrics by ANN
Autorzy:
Elkateb, Sherien N.
Powiązania:
https://bibliotekanauki.pl/articles/2171977.pdf
Data publikacji:
2022
Wydawca:
Sieć Badawcza Łukasiewicz - Instytut Biopolimerów i Włókien Chemicznych
Tematy:
ANN
artificial neural network
mechanical properties
prediction performance
modelling
woven fabric
Opis:
This study aims to obtain an accurate prediction model of mechanical properties of woven fabric to achieve customer satisfaction. Samples of plain woven fabric were produced from different yarn counts and blend ratios of cotton and polyester of weft yarn at different weft densities. Mechanical properties such as tensile strength, bending stiffness and elongation% in both the warp and weft directions were tested. The prediction model was based on Artificial Neural Networks (ANNs). For each model, thirty-nine samples were used for training and fifteen for testing prediction performance. Findings indicated that the ANN achieved a perfect performance in predicting all properties.
Źródło:
Fibres & Textiles in Eastern Europe; 2022, 4 (151); 54--59
1230-3666
2300-7354
Pojawia się w:
Fibres & Textiles in Eastern Europe
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Artificial neural network modelling to predict optimum power consumption in wood machining
Autorzy:
Tiryaki, S.
Malkocoglu, A.
Ozsahin, S.
Powiązania:
https://bibliotekanauki.pl/articles/52411.pdf
Data publikacji:
2016
Wydawca:
Sieć Badawcza Łukasiewicz - Instytut Technologii Drewna
Tematy:
artificial neural network
modelling
optimization
power consumption
wood processing
planing
wood product
Źródło:
Drewno. Prace Naukowe. Doniesienia. Komunikaty; 2016, 59, 196
1644-3985
Pojawia się w:
Drewno. Prace Naukowe. Doniesienia. Komunikaty
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
A Life Factor Approach to the Yield Prediction: a Comparison with a Technological Approach in Reliability and Accuracy
Autorzy:
Lykhovyd, Pavlo
Powiązania:
https://bibliotekanauki.pl/articles/124852.pdf
Data publikacji:
2019
Wydawca:
Polskie Towarzystwo Inżynierii Ekologicznej
Tematy:
artificial neural network
life factor
multiple linear regression
technological factor
yield modelling
Opis:
There are a number of various approaches to the development of yield predictive models in agriculture. One of the most popular ones is based on the yield modeling from the parameters of crop cultivation technology. However, there is another view on the yield prediction models, which is based on the use of life factors as yielding parameters. Our study is devoted to the comparison of a conventional technological approach to the yield prediction with a less prevalent approach of life factor based yield modeling. The testing of two approaches was performed by using the yielding data of sweet corn cultivated in the field trials under the drip-irrigated conditions of the Southern Ukraine, under the different technological treatments, viz. plowing depth, nutrition, and crop density. We developed two multiple linear regression models to compare their efficiency in the yielding predictions. One of the models used cultivation technology parameters as the inputs while the other used life factors as the inputs. Life factors were expressed in numeric values by using the following converter: total water consumption of the crop was used as the factor of water, the total sum of positive temperatures was used as the factor of heat, and the total sum of the main nutrients (NPK) available in the soil was used as the factor of nutrition. The results of the study proved an equal accuracy and reliability of the studied models of sweet corn yields, which is obvious from the values of RSQ. RSQ of the both studied regression models was 0.897. However, additional check of the modeling approaches applied in the feed-forward artificial neural network showed that the life factor based model with the RSQ value of 0.953 provided better yield predictions than the technologically based model with the RSQ value of 0.913. Therefore, we concluded that the life factor approach should be preferred to the technological approach in the development of yield predictive models for agriculture.
Źródło:
Journal of Ecological Engineering; 2019, 20, 6; 177-183
2299-8993
Pojawia się w:
Journal of Ecological Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
The ANN approximation of the CH4 combustion model : the heat release
Autorzy:
Kowalski, J.
Powiązania:
https://bibliotekanauki.pl/articles/246946.pdf
Data publikacji:
2010
Wydawca:
Instytut Techniczny Wojsk Lotniczych
Tematy:
modelling
internal combustion engines
approximation
artificial neural network
combustion process
heat release
Opis:
The calculation of the heat release from the combustion process of the CH4 is presented of the paper. Correct calculation results of the heat released from combustion is important for design, modelling and testing phenomena in combustion chambers of internal combustion engines. The paper presents results of calculations for the kinetic mechanism of methane combustion GriMech 3 for different thermodynamic parameters and composition of the combusted mixture. The calculations were performed for all possible configurations of the variable temperaturę range from 1100K to 3600K, the variable pressure in the range of 2MPa to 5MPa, variable humidity of charged air from 10 to 30 grams of water per l kg of air and variable mole fractions of charge air. Results of the kinetic calculation of combustion process are qualitatively consistent with the data available in literature. The next stage of research was approximation of obtained results with the trained artificial neural network. Input data needed to approximate the energy of the combustion process consisted of 52 mole fractions of chemical species and temperature and pressure process. Approximation results have meant square error not exceeded 0.04% for the test data and 0.02% for the validation data. The maximum error for a single result was 1.9% compared to data obtained with chemical kinetic calculations.
Źródło:
Journal of KONES; 2010, 17, 2; 225-232
1231-4005
2354-0133
Pojawia się w:
Journal of KONES
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Modelling values of river macrophyte metrics using artificial neural networks
Autorzy:
Gebler, D.
Kayzer, D.
Budka, A.
Szoszkiewicz, K.
Powiązania:
https://bibliotekanauki.pl/articles/60958.pdf
Data publikacji:
2012
Wydawca:
Polska Akademia Nauk. Stowarzyszenie Infrastruktura i Ekologia Terenów Wiejskich PAN
Tematy:
modelling value
river
macrophyte
river ecology
metrics
artificial neural network
water quality
Opis:
The results of field research at 230 river sections located throughout Poland were used to examine the possibility of predicting values of macrophyte metrics of ecological status. Artificial intelligence methods such as artificial neural networks were used in the modelling. The physicochemical parameters of water (alkalinity, conductivity, nitrate and ammonium nitrogen, reactive and total phosphorus, and biochemical oxygen demand) were used as the explanatory (modelling) variables. The explained (modelled) parameters were the Polish MIR (Macrophyte Index for Rivers), the British MTR (Mean Trophic Rank) and the French IBMR (River Macrophytes Biological Index). The quality of the constructed models was assessed using the normalized root mean square error (NRMSE) and the r–Pearson’s linear correlation coefficient between variables modelled by the networks and calculated on the basis of the botanical research. These analyses demonstrated that the network modelling MIR values had the highest accuracy. The lowest prediction accuracy was obtained for MTR and IBMR indices. The differences between particular models are likely to result from better adjustment of the Polish method to local rivers (particularly in terms of indicator species used).
Źródło:
Infrastruktura i Ekologia Terenów Wiejskich; 2012, 1/IV
1732-5587
Pojawia się w:
Infrastruktura i Ekologia Terenów Wiejskich
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Neural modelling of electricity prices quoted on the Day-Ahead Market of TGE S.A. shaped by environmental and economic factors
Autorzy:
Ruciński, Dariusz
Powiązania:
https://bibliotekanauki.pl/articles/2052267.pdf
Data publikacji:
2020
Wydawca:
Uniwersytet Przyrodniczo-Humanistyczny w Siedlcach
Tematy:
Polish Power Exchange
day ahead market
DAM
artificial neural network
system modelling
MATLAB
Opis:
The paper contains the results of research on the impact of the number of factors used to build the Day-Ahead Market model at Polish Power Exchange S.A. Five models with a different number of factors influencing the model were tested. To test the quality of models according to the adopted evaluation criteria, i.e., mean square error and the coefficient of determination for the weighted average prices sold in a given hour of the day, the influence of weather factors, socio-economic factors and energy demand were adopted. The results obtained from the analysis show a relatively high correctness of the simplest of the adopted models, which differs slightly from the best model.
Źródło:
Studia Informatica : systems and information technology; 2020, 1-2(24); 25-35
1731-2264
Pojawia się w:
Studia Informatica : systems and information technology
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Development of a neural statistical model for the prediction of relative humidity levels in the region of Rabat-Kenitra, North West Morocco
Autorzy:
El Azhari, Kaoutar
Abdallaoui, Badreddine
Dehbi, Ali
Abdalloui, Abdelaziz
Zineddine, Hamid
Powiązania:
https://bibliotekanauki.pl/articles/2174362.pdf
Data publikacji:
2022
Wydawca:
Instytut Technologiczno-Przyrodniczy
Tematy:
artificial neural network
ANN
learning algorithm
multi-layer perceptron
MLP
modelling
Rabat-Kenitra
relative humidity
Opis:
This article accounts for the development of a powerful artificial neural network (ANN) model, designed for the prediction of relative humidity levels, using other meteorological parameters such as the maximum temperature, minimum temperature, precipitation, wind speed, and intensity of solar radiation in the Rabat-Kenitra region (a coastal area where relative humidity is a real concern). The model was applied to a database containing a daily history of five meteorological parameters collected by nine stations covering this region from 1979 to mid-2014. It has been demonstrated that the best performing three-layer (input, hidden, and output) ANN mathematical model for the prediction of relative humidity in this region is the multi-layer perceptron (MLP) model. This neural model using the Levenberg-Marquard algorithm, with an architecture of [5-11-1] and the transfer functions Tansig in the hidden layer and Purelin in the output layer, was able to estimate relative humidity values that were very close to those observed. This was affirmed by a low mean squared error (MSE) and a high correlation coefficient (R), compared to the statistical indicators relating to the other models developed as part of this study.
Źródło:
Journal of Water and Land Development; 2022, 54; 13--20
1429-7426
2083-4535
Pojawia się w:
Journal of Water and Land Development
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Comprehensive analysis of reclamation of spent lubricating oil using green solvent: RSM and ANN approach
Autorzy:
Sarkar, Sayantan
Datta, Deepshikha
Chowdhury, Somnath
Das, Bimal
Powiązania:
https://bibliotekanauki.pl/articles/2173421.pdf
Data publikacji:
2022
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
modelling
optimization
extraction-flocculation
artificial neural network
genetic algorithm
modelowanie
optymalizacja
sztuczna sieć neuronowa
algorytm genetyczny
Opis:
Waste lubricating oil (WLO) is the most significant liquid hazardous waste, and indiscriminate disposal of waste lubricating oil creates a high risk to the environment and ecology. Present investigation emphasizes the re-refining of used automobile engine oil using the extraction-flocculation approach to reduce environmental hazards and convert the waste to energy. The extraction-flocculation process was modeled and optimized using response surface methodology (RSM), artificial neural network (ANN), and genetic algorithm (GA). The present study assessed parametric effects of refining time, refining temperature, solvent to waste oil ratio, and flocculant dosage. Experimental findings showed that the percentage of yield of recovered oil is to the tune of 86.13%. With the Central Composite Design approach, the maximum percentage of extracted oil is 85.95%, evaluated with 80 minutes of refining time, 50.17 C refining temperature, 7:1 solvent to waste oil ratio and flocculant dosage of 3 g/kg of solvent and 86.71% with 79.97 minutes refining time, 55.53 C refining temperature, 4.89:1 g/g solvent to waste oil ratio, 2.99 g/kg of flocculant concentration with Artificial Neural Network. A comparison shows that the ANN gives better results than the CCD approach. Physico-chemical properties of the recovered lube oil are comparable with the properties of fresh lubricating oil.
Źródło:
Chemical and Process Engineering; 2022, 43, 2; 119--135
0208-6425
2300-1925
Pojawia się w:
Chemical and Process Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Heuristic modeling of objects and processes using dynamic neural networks
Heurystyczne modelowanie obiektów i procesów przy pomocy dynamicznych sieci neuronowych
Autorzy:
Przystałka, P.
Powiązania:
https://bibliotekanauki.pl/articles/327816.pdf
Data publikacji:
2006
Wydawca:
Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
Tematy:
sztuczna sieć neuronowa
lokalnie rekurencyjna sieć neuronowa
systemy dynamiczne
metoda quasi-Newtonowska
modelowanie heurystyczne
artificial neural network
locally recurrent neural network
dynamic systems
quasi-Newton methods
heuristic modelling
Opis:
The methodology of heuristic modeling is one of the subjects included in the activities developed by the Department of Fundamentals of Machinery Design [4, 6]. Among all the approaches of heuristic modeling some of the most common are artificial neural networks. There are many papers and books devoted to applications of neural networks for modeling dynamic systems [1, 2, 4, 5, 6, 7]. In this paper, known approach basing on dynamic neuron model is presented (dynamic neuron with IIR filter in the activation block [2]) but some developments are introduced. Locally recurrent networks which are composed of dynamic neural units described in [2, 5, 7] are able to model behavior of complex dynamic systems. Nevertheless, they have one major disadvantage, that is, neural networks composed of these neurons are not able to represent stochastic behaviors of some objects [4,6]. By introducing the ARMAX (or ARX) system into dynamic neuron model author has received dynamic neuron unit that never behaves in the same way (it brings an artificial neuron closer and closer to the biological model). In this paper the author presents formal description of dynamic neuron unit with ARMAX system in the feedback block. There are also described a general structure of dynamic neural network composed of these neurons, two known training methods and some commonly used quality measures. At the end of the paper three examples of applications are given.
Metodologia heurystycznego modelowania obiektów i procesów jest jednym z kierunków badań rozwijanym prze Katedrę Podstaw Konstrukcji Maszyn [4, 6]. Spośród wielu metod modelowania heurystycznego duże znaczenie odgrywają metody bazujące na sztucznych sieciach neuronowych. Można wyróżnić wiele ciekawych prac badawczych prowadzonych w kierunku modelowania systemów dynamicznych z zastosowaniem tego typu narzędzia [1, 2, 4, 5, 6, 7]. W artykule zaprezentowano znane podejście bazujące na dynamicznych neuronach (dynamiczny neuron z filtrem IIR w bloku aktywacyjnym [2]) z pewnymi modyfikacjami. Lokalnie rekurencyjne sieci neuronowe złożone z dynamicznych neuronów opisane w [2, 5, 7] nadają się do modelowania zachowania złożonych systemów dynamicznych. Jednakże, posiadają one jedną główną wadę tzn. nie są zdolne do reprezentowania zachowania losowego niektórych obiektów [4, 6]. Poprzez wprowadzenie systemu typu ARMAX (ARX) do modeli dynamicznych neuronów autor otrzymał dynamiczny model neuronu, który nigdy nie zachowują się w ten sam sposób (przybliża to model sztucznego neuronu do jego biologicznego wzoru). W artykule autor prezentuje formalny opis dynamicznego neuronu z systemem typu ARMAX w bloku sprzężenie zwrotnego. Opisuje również ogólną strukturę dynamicznej sieci neuronowej złożonej z tych neuronów, dwa znane algorytmy trenujące oraz powszechnie stosowane miary jakości. Przykładowe zastosowania opisywanych sieci zaprezentowane są w końcowym fragmencie opracowania.
Źródło:
Diagnostyka; 2006, 2(38); 31-36
1641-6414
2449-5220
Pojawia się w:
Diagnostyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Black box efficiency modelling of an electric drive unit utilizing methods of machine learning
Autorzy:
Bauer, Lukas
Stütz, Leon
Kley, Markus
Powiązania:
https://bibliotekanauki.pl/articles/1956031.pdf
Data publikacji:
2021
Wydawca:
Polskie Towarzystwo Promocji Wiedzy
Tematy:
electromobility
powertrain
electric drives
artificial neural network
efficiency modelling
elektromobilność
układ napędowy
napędy elektryczne
sztuczna sieć neuronowa
modelowanie wydajności
Opis:
The increasing electrification of powertrains leads to increased demands for the test technology to ensure the required functions. For conventional test rigs in particular, it is necessary to have knowledge of the test technology's capabilities that can be applied in practical testing. Modelling enables early knowledge of the test rigs dynamic capabilities and the feasibility of planned testing scenarios. This paper describes the modelling of complex subsystems by experimental modelling with artificial neural networks taking transmission efficiency as an example. For data generation, the experimental design and execution is described. The generated data is pre-processed with suitable methods and optimized for the neural networks. Modelling is executed with different variants of the inputs as well as different algorithms. The variants compare and compete with each other. The most suitable variant is validated using statistical methods and other adequate techniques. The result represents reality well and enables the performance investigation of the test systems in a realistic manner.
Źródło:
Applied Computer Science; 2021, 17, 4; 5-19
1895-3735
Pojawia się w:
Applied Computer Science
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
Wyświetlanie 1-15 z 20

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