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 material" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-3 z 3
    Tytuł:
    The Use of Fuzzy Systems for Forecasting the Hardenability of Steel
    Autorzy:
    Sitek, W.
    Irla, A.
    Powiązania:
    https://bibliotekanauki.pl/articles/356485.pdf
    Data publikacji:
    2016
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    computational material science
    artificial intelligence methods
    materials design steels
    modelling
    simulation
    Opis:
    The goal of the research carried out was to develop the fuzzy systems, allowing the determination of the Jominy hardenability curve based on the chemical composition of structural steels for quenching and tempering. Fuzzy system was created to calculate hardness of the steel, based on the alloying elements concentrations, and to forecast the hardenability curves. This was done based on information from the PN-EN 10083-3: 2008. Examples of hardenability curves calculated for exemplar steels were presented. Results of the research confirmed that fuzzy systems are a useful tool in evaluation the effect of alloying elements on the properties of materials compared to conventional methods. It has been demonstrated the practical usefulness of the developed models which allows forecasting the steels’ Jominy hardenability curve.
    Źródło:
    Archives of Metallurgy and Materials; 2016, 61, 2A; 797-802
    1733-3490
    Pojawia się w:
    Archives of Metallurgy and Materials
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Optimization of Ferrite Stainless Steel Mechanical Properties Prediction with artificial Intelligence Algorithms
    Autorzy:
    Honysz, R.
    Powiązania:
    https://bibliotekanauki.pl/articles/354759.pdf
    Data publikacji:
    2020
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    analysis and modelling
    numerical techniques
    computational material science
    artificial algorithms
    stainless steel
    Opis:
    The article presents a computational model build with the use of artificial neural networks optimized by genetic algorithm. This model was used to research and prediction of the impact of chemical elements and heat treatment conditions on the mechanical properties of ferrite stainless steel. Optimization has allowed the development of artificial neural networks, which showed a better or comparable prediction result in comparison to un-optimized networks has reduced the number of input variables and has accelerated the calculation speed. The introduced computational model can be applied in industry to reduce the manufacturing costs of materials. It can also simplify material selection when an engineer must properly choose the chemical elements and adequate plastic and/or heat treatment of stainless steels with required mechanical properties.
    Źródło:
    Archives of Metallurgy and Materials; 2020, 65, 2; 749-753
    1733-3490
    Pojawia się w:
    Archives of Metallurgy and Materials
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Application of Artificial Neural Networks in Modeling of Manufactured Front Metallization Contact Resistance for Silicon Solar Cells
    Zastosowanie sztucznych sieci neuronowych w modelowaniu rezystancji kontaktu wytwarzanej przedniej metalizacji krzemowych ogniw słonecznych
    Autorzy:
    Musztyfaga-Staszuk, M.
    Honysz, R.
    Powiązania:
    https://bibliotekanauki.pl/articles/356591.pdf
    Data publikacji:
    2015
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    computational material science
    artificial neural networks
    silicon solar cell
    selective laser sintering
    screen printing
    co-firing in the furnace
    zastosowanie sztucznych sieci neuronowych
    krzemowe ogniwa słoneczne
    selektywne spiekanie laserowe
    sitodruk
    wypalanie w piecu
    Opis:
    This paper presents the application of artificial neural networks for prediction contact resistance of front metallization for silicon solar cells. The influence of the obtained front electrode features on electrical properties of solar cells was estimated. The front electrode of photovoltaic cells was deposited using screen printing (SP) method and next to manufactured by two methods: convectional (1. co-fired in an infrared belt furnace) and unconventional (2. Selective Laser Sintering). Resistance of front electrodes solar cells was investigated using Transmission Line Model (TLM). Artificial neural networks were obtained with the use of Statistica Neural Network by Statsoft. Created artificial neural networks makes possible the easy modelling of contact resistance of manufactured front metallization and allows the better selection of production parameters. The following technological recommendations for the screen printing connected with co-firing and selective laser sintering technology such as optimal paste composition, morphology of the silicon substrate, co-firing temperature and the power and scanning speed of the laser beam to manufacture the front electrode of silicon solar cells were experimentally selected in order to obtain uniformly melted structure well adhered to substrate, of a small front electrode substrate joint resistance value. The prediction possibility of contact resistance of manufactured front metallization is valuable for manufacturers and constructors. It allows preserving the customers’ quality requirements and bringing also measurable financial advantages.
    Artykuł przedstawia zastosowanie sztucznych sieci neuronowych do predykcji rezystancji przedniej metalizacji w krzemowych ogniwach słonecznych. Oceniono wpływ tak wytworzonej elektrody przedniej na własności elektryczne ogniw fotowoltaicznych. Przednią elektrodę ogniw fotowoltaicznych naniesiono metodą sitodruku SP (ang. Screen Printing) i następnie wytwarzano dwoma metodami: konwencjonalną (1. wypalanie w piecu taśmowym) i niekonwencjonalną (2. selektywne spiekanie laserowe). Do wyznaczenia rezystancji elektrod przednich zastosowano metodę linii transmisyjnych TLM (ang. Transmission Line Model). Sztuczne sieci neuronowe zostały opracowane z wykorzystaniem pakietu Statistica Neural Network firmy Statsoft. Opracowane sztuczne sieci neuronowe umożliwią modelowanie rezystancji wytworzonej przedniej metalizacji i ułatwią lepszy dobór parametrów produkcji. Następujące zalecenia technologiczne sitodruku połączonego z wypalaniem w piecu i selektywnym spiekaniem laserowym takie jak optymalny skład pasty, morfologię podłoża krzemowego, temperaturę wypalania oraz moc i prędkość skanowania wiązki laserowej, do wytworzenia przedniej elektrody krzemowych ogniw słonecznych dobrano eksperymentalnie celem uzyskania celem uzyskania jednolicie stopionej struktury dobrze przylegającej do podłoża, małej wartości rezystancji połączenia elektrody przedniej z podłożem. Możliwość estymacji rezystancji przedniej metalizacji jest wartościowa dla producentów i konstruktorów. Pozwala ona na dotrzymanie wymagań klienta i przynosi wymierne zyski.
    Źródło:
    Archives of Metallurgy and Materials; 2015, 60, 3A; 1673-1678
    1733-3490
    Pojawia się w:
    Archives of Metallurgy and Materials
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-3 z 3

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies