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 "machine surface" wg kryterium: Wszystkie pola

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-4 z 4
    Tytuł:
    A hybridization of machine learning and NSGA-II for multi-objective optimization of surface roughness and cutting force in AISI 4340 alloy steel turning
    Autorzy:
    Nguyen, Anh-Tu
    Nguyen, Van-Hai
    Le, Tien-Thinh
    Nguyen, Nhu-Tung
    Powiązania:
    https://bibliotekanauki.pl/articles/2200263.pdf
    Data publikacji:
    2023
    Wydawca:
    Wrocławska Rada Federacji Stowarzyszeń Naukowo-Technicznych
    Tematy:
    multi-objective optimisation
    machine learning
    AISI 4340
    NSGA-II
    ANN
    Opis:
    This work focuses on optimizing process parameters in turning AISI 4340 alloy steel. A hybridization of Machine Learning (ML) algorithms and a Non-Dominated Sorting Genetic Algorithm (NSGA-II) is applied to find the Pareto solution. The objective functions are a simultaneous minimum of average surface roughness (Ra) and cutting force under the cutting parameter constraints of cutting speed, feed rate, depth of cut, and tool nose radius in a range of 50–375 m/min, 0.02–0.25 mm/rev, 0.1–1.5 mm, and 0.4–0.8 mm, respectively. The present study uses five ML models – namely SVR, CAT, RFR, GBR, and ANN – to predict Ra and cutting force. Results indicate that ANN offers the best predictive performance in respect of all accuracy metrics: root-mean-squared-error (RMSE), mean-absolute-error (MAE), and coefficient of determination (R2). In addition, a hybridization of NSGA-II and ANN is implemented to find the optimal solutions for machining parameters, which lie on the Pareto front. The results of this multi-objective optimization indicate that Ra lies in a range between 1.032 and 1.048 μm, and cutting force was found to range between 7.981 and 8.277 kgf for the five selected Pareto solutions. In the set of non-dominated keys, none of the individual solutions is superior to any of the others, so it is the manufacturer's decision which dataset to select. Results summarize the value range in the Pareto solutions generated by NSGA-II: cutting speeds between 72.92 and 75.11 m/min, a feed rate of 0.02 mm/rev, a depth of cut between 0.62 and 0.79 mm, and a tool nose radius of 0.4 mm, are recommended. Following that, experimental validations were finally conducted to verify the optimization procedure.
    Źródło:
    Journal of Machine Engineering; 2023, 23, 1; 133--153
    1895-7595
    2391-8071
    Pojawia się w:
    Journal of Machine Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Free water table area monitoring on wetlands using satellite and UAV orthophotomaps - Kampinos National Park case study
    Autorzy:
    Góraj, Maciej
    Wróblewski, Cezary
    Ciężkowski, Wojciech
    Jóźwiak, Jacek
    Chormański, Jarosław
    Powiązania:
    https://bibliotekanauki.pl/articles/1203882.pdf
    Data publikacji:
    2019
    Wydawca:
    Instytut Meteorologii i Gospodarki Wodnej - Państwowy Instytut Badawczy
    Tematy:
    UAV
    Sentinel-2
    machine learning
    surface water
    inundation
    wetlands
    Opis:
    The surface water table level is a crucial factor for the existence of wetland habitats, and valuable from the point of view of environmental protection. In particular, surface water table in a hydrological year play an important role, affecting the seasonal changes in conditions of the development of species inhabiting a given patch of vegetation. The occurrence of floods often determines the possibility of survival of a given plant community. Information on the seasonal variability of surface waters, and above all the range of seasonal floods, is very important from the point of view of planning protection activities in National Parks in order to preserve wetland habitats. Nowadays, remote sensing data is an important source of spatial information, particularly those characterized by low cost data acquisition and processing. One such source is imagery collected from satellites, along with products freely distributed by the European Space Agency. Satellites of the Sentinel constellation provide multi-spectral optical remote sensing images recorded at visible and infrared wavelengths. Due to the short satellite revisit time of the Sentinel, the images from this satellite constitute a potential source of information for the monitoring of moisture on wetlands with a high temporal resolution. In this study, the authors aim to demonstrate the possibilities associated with the use of satellite images to monitor the range of a free surface water table in the pilot area located within the basin of the Łasica Channel, located in the Kampinos National Park (Poland). The accuracy of the results of the remote sensing transformations will be assessed using high resolution RGB images obtained with the use of unmanned aerial vehicles (UAV) and control points measurements. The maps of free water table has been acquired as an result of ensemble regressors (Random Forest, Extra Trees, Bagging). Regressors has been learned and applied for two sessions. Promising results were obtained indicating the possibility of using the proposed method on a similar scale.
    Źródło:
    Meteorology Hydrology and Water Management. Research and Operational Applications; 2019, 7, 1; 23-30
    2299-3835
    2353-5652
    Pojawia się w:
    Meteorology Hydrology and Water Management. Research and Operational Applications
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Local binary pattern defect recognition approach for the friction stir welded AA 1200 and AA 6061-T6 aluminum alloy
    Autorzy:
    Mishra, Akshansh
    Powiązania:
    https://bibliotekanauki.pl/articles/95297.pdf
    Data publikacji:
    2020
    Wydawca:
    Politechnika Koszalińska. Wydawnictwo Uczelniane
    Tematy:
    local binary patterns
    friction stir welding
    machine learning
    surface defects
    lokalne wzorce binarne
    zgrzewanie tarciowe z mieszaniem materiału
    zgrzewanie tarciowe z przemieszaniem
    FSW
    uczenie maszynowe
    wady powierzchni
    Opis:
    The research reported in this paper focuses on the application of local binary patterns (LBPs) for surface defects detection. The surface defection detection algorithm for friction stir welded aluminum plates is the key part of the entire surface defect recognition system. Two different grades i.e AA 1200 and AA 6061 plates were similarly joined with the help of Friction Stir Welding process. Python codes for the proposed algorithm were executed on Google Colaboratory platform. The results obtained prove that the local binary patterns method can be used for real-time surface defects detection in friction stir welded joints.
    Źródło:
    Journal of Mechanical and Energy Engineering; 2020, 4, 1; 27-32
    2544-0780
    2544-1671
    Pojawia się w:
    Journal of Mechanical and Energy Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Mapping of impervious surfaces with the use of remote sensing imagery: Support Vector Machines classification and GIS-based approach
    Wizualizacja powierzchni nieprzepuszczalnych z wykorzystaniem zdjęć teledetekcyjnych: klasyfikacja support vector machines i podejście oparte na GIS
    Autorzy:
    Sobieraj, Janusz
    Fernández Marín, Marcos
    Metelski, Dominik
    Powiązania:
    https://bibliotekanauki.pl/articles/27312146.pdf
    Data publikacji:
    2023
    Wydawca:
    Polska Akademia Nauk. Czasopisma i Monografie PAN
    Tematy:
    klasyfikacja
    powierzchnia nieprzepuszczalna
    maszyna wektorów nośnych
    teledetekcja
    system informacji geograficznej
    użytkowanie gruntów pokrycie gruntów
    ArcGIS
    uczenie maszynowe
    classification
    impervious surface
    support vector machine
    remote sensing
    geographic information system
    land use land cover
    machine learning
    Opis:
    This study focuses on the problem of mapping impervious surfaces in urban areas and aims to use remote sensing data and orthophotos to accurately classify and map these surfaces. Impervious surface indices and green space assessments are widely used in land use and urban planning to evaluate the urban environment. Local governments also rely on impervious surface mapping to calculate stormwater fees and effectively manage stormwater runoff. However, accurately determining the size of impervious surfaces is a significant challenge. This study proposes the use of the Support Vector Machines (SVM) method, a pattern recognition approach that is increasingly used in solving engineering problems, to classify impervious surfaces. The research results demonstrate the effectiveness of the SVM method in accurately estimating impervious surfaces, as evidenced by a high overall accuracy of over 90% (indicated by the Cohen’s Kappa coefficient). A case study of the “Parkowo-Leśne” housing estate in Warsaw, which covers an area of 200,000 m², shows the successful application of the method. In practice, the remote sensing imagery and SVM method allowed accurate calculation of the area of the surface classes studied. The permeable surface represented about 67.4% of the total complex and the impervious surface corresponded to the remaining 32.6%. These results have implications for stormwater management, pollutant control, flood control, emergency management, and the establishment of stormwater fees for individual properties. The use of remote sensing data and the SVM method provides a valuable approach for mapping impervious surfaces and improving urban land use management.
    Niniejsze badanie koncentruje się na problemie wyznaczania powierzchni nieprzepuszczalnych na obszarach miejskich i ma na celu wykorzystanie danych teledetekcyjnych i ortofotomap do dokładnej klasyfikacji i wizualizacji tych powierzchni. Wskaźniki powierzchni nieprzepuszczalnych i oceny terenów zielonych są szeroko stosowane w planowaniu przestrzennym i urbanistycznym do oceny środowiska miejskiego. Władze lokalne polegają również na oszacowaniu wielkości powierzchni nieprzepuszczalnych w celu obliczania opłat za wodę deszczową i skutecznego zarządzania odpływem wody deszczowej. Jednak dokładne określenie wielkości nieprzepuszczalnych powierzchni jest poważnym wyzwaniem. W niniejszym badaniu zaproponowano wykorzystanie metody Support Vector Machines (SVM), podejścia opartego na rozpoznawaniu wzorców, które jest coraz częściej stosowane w rozwiązywaniu problemów inżynieryjnych, do klasyfikacji powierzchni nieprzepuszczalnych. Wyniki badań pokazują skuteczność metody SVM w dokładnym szacowaniu powierzchni nieprzepuszczalnych, o czym świadczy wysoka ogólna precyzja wynosząca ponad 90% ( na co wskazuje współczynnik Kappa Cohena). Studium przypadku osiedla „Parkowo-Leśne” w Warszawie o powierzchni 200 000 m² pokazuje skuteczne zastosowanie metody. Wyniki wskazują, że powierzchnie przepuszczalne stanowiły około 67,4% całego kompleksu, podczas gdy powierzchnie nieprzepuszczalne stanowiły pozostałe 32,6%. Wyniki te mogą mieć wpływ na zarządzanie wodami opadowymi, kontrolę zanieczyszczeń, zapobieganie powodziom, zarządzanie kryzysowe i ustalanie opłat za wodę opadową dla poszczególnych nieruchomości. Wykorzystanie danych teledetekcyjnych i metody SVM zapewnia cenne podejście do wizualizacji powierzchni nieprzepuszczalnych i poprawy zarządzania użytkowaniem gruntów miejskich.
    Źródło:
    Archives of Civil Engineering; 2023, 69, 3; 129--146
    1230-2945
    Pojawia się w:
    Archives of Civil Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-4 z 4

      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