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 "Grzesiak, Łukasz" wg kryterium: Autor

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-2 z 2
    Tytuł:
    Implantation of superabsorbent polymer by magnetic iron oxide particles
    Autorzy:
    Grzesiak, Maciej
    Szajnecki, Łukasz
    Powiązania:
    https://bibliotekanauki.pl/articles/2079886.pdf
    Data publikacji:
    2019
    Wydawca:
    Uniwersytet Marii Curie-Skłodowskiej. Wydawnictwo Uniwersytetu Marii Curie-Skłodowskiej
    Tematy:
    superabsorbents
    hydrogels
    magnetic particles
    swelling properties
    Opis:
    The aim of this research was to optimise methods of magnetic particles of iron oxides implantation into superabsorbent polymer based on partially neutralized acrylic acid (SAc/AAc) crosslinked with ethylene glycol dimethacrylate (EGDMA). The structure of the obtained materials was confirmed by infrared spectroscopic analysis (FT-IR/ATR). The quality of implantation process was evaluated on the basis of microscopy images. Swelling properties of the obtained implanted materials were also determined.
    Źródło:
    Annales Universitatis Mariae Curie-Skłodowska, sectio AA – Chemia; 2019, 74, 2; 101-113
    2083-358X
    Pojawia się w:
    Annales Universitatis Mariae Curie-Skłodowska, sectio AA – Chemia
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Artificial Neural Network-Based Gain-Scheduled State Feedback Speed Controller for Synchronous Reluctance Motor
    Autorzy:
    Tarczewski, Tomasz
    Niewiara, Łukasz J.
    Grzesiak, Lech M.
    Powiązania:
    https://bibliotekanauki.pl/articles/1956002.pdf
    Data publikacji:
    2021
    Wydawca:
    Politechnika Wrocławska. Oficyna Wydawnicza Politechniki Wrocławskiej
    Tematy:
    synchronous reluctance motor
    state feedback controller
    gain scheduling
    artificial neural network
    robustness analysis
    Opis:
    This paper focuses on designing a gain-scheduled (G-S) state feedback controller (SFC) for synchronous reluctance motor (SynRM) speed control with non-linear inductance characteristics. The augmented model of the drive with additional state variables is introduced to assure precise control of selected state variables (i.e. angular speed and d-axis current). Optimal, non-constant coefficients of the controller are calculated using a linear-quadratic optimisation method. Non-constant coefficients are approximated using an artificial neural network (ANN) to assure superior accuracy and relatively low usage of resources during implementation. To the best of our knowledge, this is the first time when ANN-based gain-scheduled state feedback controller (G-S SFC) is applied for speed control of SynRM. Based on numerous simulation tests, including a comparison with a signum-based SFC, it is shown that the proposed solution assures good dynamical behaviour of SynRM drive and robustness against q-axis inductance, the moment of inertia and viscous friction fluctuations.
    Źródło:
    Power Electronics and Drives; 2021, 6, 41; 276-288
    2451-0262
    2543-4292
    Pojawia się w:
    Power Electronics and Drives
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-2 z 2

      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