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, S." wg kryterium: Wszystkie pola

  Lista filtrów
Wyrównaj
Wyświetlanie 1-15 z 20
Tytuł:
Wykorzystanie predyktorów typu neural network do prognozowania szeregów czasowych
Utilization for forecasting activity of time range predictors type neural network
Autorzy:
Gworek, S.
Utrata, A.
Powiązania:
https://bibliotekanauki.pl/articles/350230.pdf
Data publikacji:
2005
Wydawca:
Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
Tematy:
prognozowanie ekonomiczne
predyktory
szeregi czasowe
sztuczne sieci neuronowe
analiza efektywności
business forecasting
predictors
forecasting activity of time range
artificial neural networks
estimation of efficiency
Opis:
W pracy przedstawiono rozważania dotyczące zastosowania sztucznych sieci neuronowych do prognozowania zjawisk gospodarczych opisanych za pomocą krótkich szeregów czasowych. W pierwszej części artykułu przedstawiono krótką charakterystykę sztucznych sieci neuronowych wraz z możliwymi obszarami prognozowania ekonomicznego, w których mogą znaleźć zastosowanie. W drugiej części artykułu przeprowadzono ocenę efektywności predykcji wybranego zjawiska za pomocą sztucznych sieci neuronowych.
This article presents consideration for forecasting activity of economic phenomenon described behind assistance of short time range concerning employment artificial neural network. It presents short characteristic of artificial neural network in first along with possible areas of economic forecasting activities, can find application. The second part of the paper includes an estimation of efficiency of selected economic phenomenon with an application of artificial neural networks.
Źródło:
Górnictwo i Geoinżynieria; 2005, 29, 4; 53-62
1732-6702
Pojawia się w:
Górnictwo i Geoinżynieria
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:
Analiza komputerowa diagnozowania defektów alternatora z wykorzystaniem sztucznej sieci neuronowej
Computer analysis of alternator defects diagnosing using artificial neural network
Autorzy:
Jastriebow, A.
Gad, S.
Słoń, G.
Powiązania:
https://bibliotekanauki.pl/articles/328147.pdf
Data publikacji:
2002
Wydawca:
Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
Tematy:
sztuczna sieć neuronowa
alternator
diagnostyka
artificial neural networks
diagnostic
Opis:
Opracowano analizę komputerową do prowadzenia symulacyjnych badań statystycznych diagnozowania defektów alternatora za pośrednictwem sztucznych sieci neuronowych w postaci wielowarstwowych perceptronów. Na podstawie zbudowanego programu i generatora danych uczących przeanalizowano możliwość diagnostyki kilku defektów alternatora. Przedstawione wyniki symulacji dają pełną gwarancję efektywnego rozwiązania postawionego problemu.
The computer analysis for conducting of statistical simulating research of alternator defects diagnosing through artificial neural networks in the form of multi layer perceptrons has been worked out. On the basis of built program and teaching data generator, a possibility of some alternator defects diagnosing has been analyzed. Presented simulation results give full guarantee of effective solution of tested problem.
Źródło:
Diagnostyka; 2002, 27; 7-10
1641-6414
2449-5220
Pojawia się w:
Diagnostyka
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:
Wykorzystanie SSN w symulacji procesu brykietowania miskanta
Use of artificial neural networks in the miscanthus briquetting process simulation
Autorzy:
Francik, S.
Frączek, J.
Powiązania:
https://bibliotekanauki.pl/articles/310883.pdf
Data publikacji:
2012
Wydawca:
Instytut Naukowo-Wydawniczy "SPATIUM"
Tematy:
sztuczne sieci neuronowe
miskant
brykietowanie
produkcja brykietów
briquetting
artificial neural networks
production of briquettes
Miscanthus
Opis:
Sztuczne sieci neuronowe (SSN) są uważane za jedno z najnowszych narzędzi, które są wykorzystywane do rozwiązywania skomplikowanych problemów, które nie mogą być rozwiązane za pomocą konwencjonalnych metod. W badaniach wykorzystano SSN jako narzędzia do symulacji i optymalizacji procesu produkcji brykietów. Proces ten składa się z trzech etapów: rozdrabniania wstępnego na sieczkarni toporowej, mielenia na młynie bijakowym i zagęszczania w brykieciarce tłokowej. Na podstawie przeprowadzonych symulacji opracowano zalecenia dotyczące optymalnych parametrów prowadzenia procesu produkcji brykietów z miskanta (teoretycznej długości sieczki, średnicy sita młyna i ciśnienia brykietowania). Stwierdzono, że najkorzystniejsze jest przyjęcie teoretycznej długości sieczki równej 10 mm i średnicy sita 15 mm. Zapewnia to minimalną energochłonność procesu produkcji brykietu. Parametry jakościowe brykietu (trwałość i gęstość) należy regulować wartością ciśnienia brykietowania.
Artificial neural networks (ANN) are considered to be one of the newest tools that are used to solve complex problems that can not be solved by conventional methods. The study used an ANN as a tool to simulate and optimize the production of briquettes. This process consists of three stages: preliminary shredding process carried out using flywheel cutter, grinding in a beater wheel mill, and compacting in the briquetting piston machine. Based on simulations performed, we developed recommendations for the optimal production parameters of miscanthus briquette (theoretical chop length, diameter sieve mill and briquetting pressure). It was found that the best is to adopt a theoretical chop length equal to 10 mm and 15 mm diameter sieve. This ensures minimal energy consumption during production of briquettes. Quality parameters of briquette (durability and density) should be regulated by briquetting pressure value.
Źródło:
Autobusy : technika, eksploatacja, systemy transportowe; 2012, 13, 4; 74-85
1509-5878
2450-7725
Pojawia się w:
Autobusy : technika, eksploatacja, systemy transportowe
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:
A Monte Carlo-Based Method for Assessing the Measurement Uncertainty in the Training and Use of Artificial Neural Networks
Autorzy:
Coral, R.
Flesch, C. A.
Penz, C. A.
Roisenberg, M.
Pacheco, A. L. S.
Powiązania:
https://bibliotekanauki.pl/articles/220943.pdf
Data publikacji:
2016
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
artificial neural networks
measurement system
measurement uncertainty
Monte Carlo method
Opis:
When an artificial neural network is used to determine the value of a physical quantity its result is usually presented without an uncertainty. This is due to the difficulty in determining the uncertainties related to the neural model. However, the result of a measurement can be considered valid only with its respective measurement uncertainty. Therefore, this article proposes a method of obtaining reliable results by measuring systems that use artificial neural networks. For this, it considers the Monte Carlo Method (MCM) for propagation of uncertainty distributions during the training and use of the artificial neural networks.
Źródło:
Metrology and Measurement Systems; 2016, 23, 2; 281-294
0860-8229
Pojawia się w:
Metrology and Measurement Systems
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Fatigue Life Predictions of Metal Matrix Composites Using Artificial Neural Networks
Przewidywania trwałości zmęczeniowej kompozytów metalowych przy użyciu sztucznych sieci neuronowych
Autorzy:
Uygur, I.
Cicek, A.
Toklu, E.
Kara, R.
Saridemir, S.
Powiązania:
https://bibliotekanauki.pl/articles/355098.pdf
Data publikacji:
2014
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
MMCs
fatigue life prediction
artificial neural networks
przewidywania trwałości zmęczeniowej
sztuczne sieci neuronowe
Opis:
In this study, fatigue life predictions for the various metal matrix composites, R ratios, notch geometries, and different temperatures have been performed by using artificial neural networks (ANN) approach. Input parameters of the model comprise various materials (M), such as particle size and volume fraction of reinforcement, stress concentration factor (Kt), R ratio (R), peak stress (S), temperatures (T), whereas, output of the ANN model consist of number of failure cycles. ANN controller was trained with Levenberg-Marquardt (LM) learning algorithm. The tested actual data and predicted data were simulated by a computer program developed on MATLAB platform. It is shown that the model provides intimate fatigue life estimations compared with actual tested data.
Zastosowano sztuczne sieci neuronowe (ANN) do przewidywania trwałości zmęczeniowej dla różnych kompozytów metalowych, parametrów R, geometrii karbu, i różnych temperatur. Parametry wejściowe modelu obejmowały: różne materiały (M), o różnym rozmiarze cząstek i objętosci frakcji zbrojącej, współczynnik koncentracji naprężeń (Kt), stosunek parametru R (R), naprężenie szczytowe (S), temperaturę (T), natomiast dane wyjściowe składały się z liczby cykli awarii (SSN). Kontroler ANN był trenowany z użyciem algorytmu uczenia Levenberga-Marquardta (LM). Badane dane rzeczywiste i dane przewidywane symulowane były przez program komputerowy opracowany na platformie MATLAB. Wykazano, że model zapewnia oszacowanie trwałości zmęczeniowej bliską rzeczywistym danym badanym.
Źródło:
Archives of Metallurgy and Materials; 2014, 59, 1; 97-103
1733-3490
Pojawia się w:
Archives of Metallurgy and Materials
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:
An idea of a measurement system for determining thermal parameters of heat insulation materials
Autorzy:
Chudzik, S.
Minkina, W.
Powiązania:
https://bibliotekanauki.pl/articles/220464.pdf
Data publikacji:
2011
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
thermal conductivity
artificial neural networks
inverse heat conduction problem
Opis:
The article presents the prototype of a measurement system with a hot probe, designed for testing thermal parameters of heat insulation materials. The idea is to determine parameters of thermal insulation materials using a hot probe with an auxiliary thermometer and a trained artificial neural network. The network is trained on data extracted from a nonstationary two-dimensional model of heat conduction inside a sample of material with the hot probe and the auxiliary thermometer. The significant heat capacity of the probe handle is taken into account in the model. The finite element method (FEM) is applied to solve the system of partial differential equations describing the model. An artificial neural network (ANN) is used to estimate coefficients of the inverse heat conduction problem for a solid. The network determines values of the effective thermal conductivity and effective thermal diffusivity on the basis of temperature responses of the hot probe and the auxiliary thermometer. All calculations, like FEM, training and testing processes, were conducted in the MATLAB environment. Experimental results are also presented. The proposed measurement system for parameter testing is suitable for temporary measurements in a building site or factory.
Źródło:
Metrology and Measurement Systems; 2011, 18, 2; 261-273
0860-8229
Pojawia się w:
Metrology and Measurement Systems
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Effect of process parameters on the condition of the wire electrode in WEDM of Ti6Al4V
Autorzy:
Zaborski, S.
Poroś, D.
Powiązania:
https://bibliotekanauki.pl/articles/1429400.pdf
Data publikacji:
2008
Wydawca:
Wrocławska Rada Federacji Stowarzyszeń Naukowo-Technicznych
Tematy:
titanium alloys
wire electrode
artificial neural networks
WEDM
Opis:
Conventional machining of titanium alloy Ti6Al4V cause high temperature and rapid wear of tool which makes him hardly suitable for machining by machine cutting. The presented experimental study was carried out on a modern wire EDM Sodick AQ327L. Three types of the wire were used. Investigated were the effects of such input parameters as the pulse width and the time between two pulses on the output parameters such as area cutting efficiency, workpiece surface roughness and wear rate of the electrode. The resulting relationships were determined using the conventional regression analysis and neural networks. The results were checked for goodness of fit.
Źródło:
Journal of Machine Engineering; 2008, 8, 2; 52-64
1895-7595
2391-8071
Pojawia się w:
Journal of Machine Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Seakeeping software for the analysis of a ship’s seaworthiness
Autorzy:
Cepowska, Ż.
Cepowski, T.
Powiązania:
https://bibliotekanauki.pl/articles/135338.pdf
Data publikacji:
2015
Wydawca:
Akademia Morska w Szczecinie. Wydawnictwo AMSz
Tematy:
seakeeping
seaworthiness
design
ship
naval architecture
artificial neural networks
motions
rolling
slamming
pitching
heaving
acceleration
green water
software
Opis:
The article presents the Seakeeping research software, developed for the computation of a ship’s motions in regular and irregular waves on the basis of the following ship parameters: length between perpendiculars, beam, draught, block coefficient and transverse initial metacentric height. The software implements approximating functions of amplitude-phase characteristics of rolling, heaving, and pitching, developed by the author by means of artificial neural networks. The software determines transfer functions for the phenomena accompanying the rolling motion, such as slamming, green water, propeller surfacing, vertical acceleration forward and on the bridge. The article discusses possible uses of the software in scientific research, ship design and operation, and for educational purposes.
Źródło:
Zeszyty Naukowe Akademii Morskiej w Szczecinie; 2015, 42 (114); 95-100
1733-8670
2392-0378
Pojawia się w:
Zeszyty Naukowe Akademii Morskiej w Szczecinie
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Prediction of penetration rate of rotary-percussive drilling using artificial neural networks – a case study
Prognozowanie postępu wiercenia przy użyciu wiertła udarowo-obrotowego przy wykorzystaniu sztucznych sieci neuronowych – studium przypadku
Autorzy:
Aalizad, S. A.
Rashidinejad, F.
Powiązania:
https://bibliotekanauki.pl/articles/219500.pdf
Data publikacji:
2012
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
prędkość wiercenia
wiertło obrotowo-udarowe
sztuczne sieci neuronowe
urządzenia udarowe
kopalnia rud żelaza Sangan
penetration rate
rotary-percussive drilling
artificial neural networks
top hammer drilling
Sangan iron mine
Opis:
Penetration rate in rocks is one of the most important parameters of determination of drilling economics. Total drilling costs can be determined by predicting the penetration rate and utilized for mine planning. The factors which affect penetration rate are exceedingly numerous and certainly are not completely understood. For the prediction of penetration rate in rotary-percussive drilling, four types of rocks in Sangan mine have been chosen. Sangan is situated in Khorasan-Razavi province in Northeastern Iran. The selected parameters affect penetration rate is divided in three categories: rock properties, drilling condition and drilling pattern. The rock properties are: density, rock quality designation (RQD), uni-axial compressive strength, Brazilian tensile strength, porosity, Mohs hardness, Young modulus, P-wave velocity. Drilling condition parameters are: percussion, rotation, feed (thrust load) and flushing pressure; and parameters for drilling pattern are: blasthole diameter and length. Rock properties were determined in the laboratory, and drilling condition and drilling pattern were determined in the field. For create a correlation between penetration rate and rock properties, drilling condition and drilling pattern, artificial neural networks (ANN) were used. For this purpose, 102 blastholes were observed and drilling condition, drilling pattern and time of drilling in each blasthole were recorded. To obtain a correlation between this data and prediction of penetration rate, MATLAB software was used. To train the pattern of ANN, 77 data has been used and 25 of them found for testing the pattern. Performance of ANN models was assessed through the root mean square error (RMSE) and correlation coefficient (R2). For optimized model (14-14-10-1) RMSE and R2 is 0.1865 and 86%, respectively, and its sensitivity analysis showed that there is a strong correlation between penetration rate and RQD, rotation and blasthole diameter. High correlation coefficient and low root mean square error of these models showed that the ANN is a suitable tool for penetration rate prediction.
Postęp wiercenia przy wierceniach skał jest jednym z podstawowych parametrów decydujących o opłacalności przedsięwzięcia. Całkowite koszty prowadzenia prac wiertniczych określa się w oparciu o prognozowane tempo postępu wiercenia, parametr ten uwzględnia się następnie przy planowaniu prac wydobywczych. Niektóre spośród licznych czynników wpływających na postęp wiercenia przy użyciu wiertła obrotowo-udarowego nie zostały jeszcze w pełni rozpoznane. Przy prognozowaniu postępu wiercenia prowadzonego przy użyciu urządzeń udarowo-obrotowych uwzględniono cztery rodzaje skał obecnych w kopalni Sangan, leżącej w prowincji Khorasan-Razavi w północno -wschodniej części Iranu. Wybrane czynniki mające wpływ na postęp prac wiertniczych pogrupowano w trzy kategorie: właściwości skał, warunki prowadzenia prac wiertniczych oraz plan prowadzenia wiercenia. Parametry określające właściwości skał to gęstość, jakość skał (RQD) i wytrzymałość na ściskanie jednoosiowe, wytrzymałość skał otrzymywana w oparciu o test brazylijski, porowatość, twardość Mohra, moduł Younga, prędkość propagacji fali, Parametry określające warunki prowadzenia wierceń obejmują: udar, prędkość obrotowa, siła naporu, ciśnienie płukania, zaś parametry związane z planem prowadzenia wiercenia obejmują: wymiary otworu wiertniczego i długość. Właściwości skał określono laboratoryjnie, warunki i plan wierceń badano w terenie. Korelacji pomiędzy prędkością postępu wiercenia i właściwościami skał oraz warunkami i planem prac wiertniczych poszukiwano przy użyciu sztucznych sieci neuronowych (ANN). Zbadano 102 otwory wiertnicze, przeanalizowano warunki prowadzenia wierceń, plany prac i zarejestrowano czasy ich prowadzenia. W celu znalezienia korelacji pomiędzy tymi danymi a prognozowaną prędkością wiercenia wykorzystano oprogramowanie MATLAB. W treningu sieci neuronowej wykorzystano 77 danych, 25 z nich otrzymano w drodze testowania wzorca. Wyniki działania sieci neuronowych oceniono w oparciu o błąd średniokwadratowy (RMSE) oraz współczynnik korelacji (R2). Dla zoptymalizowanego modelu (14-14-10-1) błąd średniokwadratowy i współczynnik korelacji wynoszą odpowiednio 0.1865 i 86%. Analiza wrażliwości wykazała istnienie silnej korelacji pomiędzy prędkością wiercenia a jakością skały, prędkością obrotową wiertła i średnicą otworu wiertniczego. Wysoki współczynnik korelacji i niska wartość błędu średniokwadratowego otrzymana dla tych modeli wskazuje, że metody wykorzystujące sztuczne sieci neuronowe są odpowiednie do prognozowania prędkości wiercenia.
Źródło:
Archives of Mining Sciences; 2012, 57, 3; 715-728
0860-7001
Pojawia się w:
Archives of Mining Sciences
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
The influence of changes in active binder content on the control system of the moulding sand quality
Autorzy:
Jakubski, J.
Dobosz, S. M.
Major-Gabryś, K.
Powiązania:
https://bibliotekanauki.pl/articles/380300.pdf
Data publikacji:
2012
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
zarządzanie jakością
masa formierska
sztuczna sieć neuronowa
quality management
green moulding sands
artificial neural networks
Opis:
Artificial neural networks are one of the modern methods of the production optimisation. An attempt to apply neural networks for controlling the quality of bentonite moulding sands is presented in this paper. This is the assessment method of sands suitability by means of detecting correlations between their individual parameters. The presented investigations were aimed at the selection of the neural network able to predict the active bentonite content in the moulding sand on the basis of this sand properties such as: permeability, compactibility and the compressive strength. Then, the data of selected parameters of new moulding sand were set to selected artificial neural network models. This was made to test the universality of the model in relation to other moulding sands. An application of the Statistica program allowed to select automatically the type of network proper for the representation of dependencies occurring in between the proposed moulding sand parameters. The most advantageous conditions were obtained for the uni-directional multi-layer perception (MLP) network. Knowledge of the neural network sensitivity to individual moulding sand parameters, allowed to eliminate not essential ones.
Źródło:
Archives of Foundry Engineering; 2012, 12, 4; 71-74
1897-3310
2299-2944
Pojawia się w:
Archives of Foundry Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Approximation of pitching motion of S-175 containership in irregular waves on the basis of ships service parameters
Autorzy:
Cepowski, T.
Powiązania:
https://bibliotekanauki.pl/articles/259629.pdf
Data publikacji:
2006
Wydawca:
Politechnika Gdańska. Wydział Inżynierii Mechanicznej i Okrętownictwa
Tematy:
aproksymacja
właściwości morskie
kiwania
parametry ruchu statków
sztuczne sieci neuronowe
fale nieregularne
seakeeping qualities
pitching
artificial neural networks
approximation
ship service parameters
irregular waves
Opis:
This paper presents approximations of pitching motion of S-175 containership in irregular waves within the full range of ship's service parameters. It continues the research described in [1] dealing with application of artificial neural networks to predict ship's motions. Reference pitch values were calculated by means of SEAWAY software based on accurate numerical methods. Approximating function was elaborated by using the artificial neural networks.
Źródło:
Polish Maritime Research; 2006, 1; 22-25
1233-2585
Pojawia się w:
Polish Maritime Research
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