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 1-5 z 5
    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:
    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:
    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:
    Model systemu pomiarowego do kontroli parametrów cieplnych materiałów termoizolacyjnych z sondą cieplną
    Model of measurement system with thermal probe for testing parameters of heat-insulating materials
    Autorzy:
    Chudzik, S.
    Minkina, W.
    Powiązania:
    https://bibliotekanauki.pl/articles/152065.pdf
    Data publikacji:
    2007
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    sieci neuronowe
    przewodność cieplna
    neural networks
    thermal conductivity
    Opis:
    W artykule przedstawiono model koncepcji systemu pomiarowego wykorzystującego odpowiednią sondę cieplną do kontroli parametrów cieplnych materiałów termoizolacyjnych. Przedstawiany system pomiarowy wykorzystuje sztuczne sieci neuronowe do rozwiązania współczynnikowego zagadnienia odwrotnego dyfuzji ciepła w materiale. Symulacje zjawiska dyfuzji ciepła oraz proces uczenia sieci neuronowej przeprowadzono w środowisku programowym Matlab.
    The article presents model of measurement system with thermal probe for testing thermal parameters of heat-insulating materials. Measurement system uses the artificial neural network in order to solve the coefficient inverse problem for solid. The network learning process and simulation analyses are based on the Matlab.
    Źródło:
    Pomiary Automatyka Kontrola; 2007, R. 53, nr 9 bis, 9 bis; 589-592
    0032-4140
    Pojawia się w:
    Pomiary Automatyka Kontrola
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Koncepcja wykorzystania metody termofalowej oraz pomiarów termowizyjnych do wyznaczania parametrów cieplnych materiałów termoizolacyjnych
    The concept of using periodic heating technique for determination of thermal parameters of heat insulation materials
    Autorzy:
    Chudzik, S.
    Minkina, W.
    Powiązania:
    https://bibliotekanauki.pl/articles/151298.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 conductivity
    thermal insulating material
    thermal diffusivity
    Opis:
    W artykule przedstawiono wyniki badań nad opracowywaną metodą wyznaczania parametrów cieplnych materiałów termoizolacyjnych. W metodzie tej wykorzystano wymuszenie temperatury o charakterze harmonicznym. Do pomiaru rozkładu temperatury w eksperymencie użyto kamery termowizyjnej. W badaniach symulacyjnych wykorzystano stworzony trójwymiarowy model zjawiska dyfuzji ciepła w badanej próbce materiału. Do rozwiązania współczynnikowego zagadnienia odwrotnego zaproponowano koncepcję wykorzystania sztucznej sieci neuronowej.
    The paper presents results of research on the developed method for determining thermal parameters of a thermal insulating material [2]. This method applies periodic heating as an excitation and an infrared camera is used to measure the temperature distribution on the surface of the tested material – Sections 2 and 3. The author proposed the use of a three-dimensional model of the heat diffusion in a material sample. For solving the system of partial differential equations, the finite element method was applied [11] – Section 2. To solve the coefficient inverse problem, an approach using an artificial neural network is proposed – Section 3. The usability of the artificial neural network in solving the inverse heat transfer problem in a sample of heat insulation material is presented [12, 13]. The network determines the value of effective thermal conductivity and effective thermal diffusivity on the basis of the temperature distribution on the surface of the tested material. Additionally, the influence of the input quantity errors on the estimated values of the thermal parameters was also analysed using the Monte Carlo technique [15] – Section 4. A trained neural network based on the temperature responses on the lateral surface of the sample measured by infrared thermography, quickly would determine the thermo-physical parameters. The obtained results confirm the usefulness of applying artificial intelligence methods to solving the coefficient inverse problem when using infrared measurement methods.
    Źródło:
    Pomiary Automatyka Kontrola; 2013, R. 59, nr 9, 9; 920-923
    0032-4140
    Pojawia się w:
    Pomiary Automatyka Kontrola
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-5 z 5

      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