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 "Lipiński, Mariusz" wg kryterium: Autor

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-6 z 6
    Tytuł:
    The identification method of the coal mill motor power model with the use of machine learning techniques
    Autorzy:
    Łabęda-Grudziak, Zofia Magdalena
    Lipiński, Mariusz
    Powiązania:
    https://bibliotekanauki.pl/articles/2090698.pdf
    Data publikacji:
    2021
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    coal mill motor power
    nonlinear model identification
    machine learning
    additive regression models
    process monitoring
    moc silnika młyna węglowego
    identyfikacja modelu nieliniowa
    nauczanie maszynowe
    model regresji addytywny
    monitorowanie procesu
    Opis:
    The article presents an identification method of the model of the ball-and-race coal mill motor power signal with the use of machine learning techniques. The stages of preparing training data for model parameters identification purposes are described, as well as these aimed at verifying the quality of the evaluated model. In order to meet the tasks of machine learning, additive regression model was applied. Identification of the additive model parameters was performed on the basis of iterative backfitting algorithm combined with nonparametric estimation techniques. The proposed models have predictive nature and are aimed at simulation of the motor power signal of a coal mill during its regular operation, startup and shutdown. A comparative analysis has been performed of the models structured differently in terms of identification quality and sensitivity to the existence of an exemplary disturbance in the form of overhangs in the coal bunker. Tests carried out on the basis of real measuring data registered in the Polish power unit with a capacity of 200 MW confirm the effectiveness of the method.
    Źródło:
    Bulletin of the Polish Academy of Sciences. Technical Sciences; 2021, 69, 1; e135842, 1--9
    0239-7528
    Pojawia się w:
    Bulletin of the Polish Academy of Sciences. Technical Sciences
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    The identification method of the coal mill motor power model with the use of machine learning techniques
    Autorzy:
    Łabęda-Grudziak, Zofia Magdalena
    Lipiński, Mariusz
    Powiązania:
    https://bibliotekanauki.pl/articles/2086819.pdf
    Data publikacji:
    2021
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    coal mill motor power
    nonlinear model identification
    machine learning
    additive regression models
    process monitoring
    moc silnika młyna węglowego
    nieliniowa identyfikacja modelu
    nauczanie maszynowe
    model regresji addytywny
    monitorowanie procesu
    Opis:
    The article presents an identification method of the model of the ball-and-race coal mill motor power signal with the use of machine learning techniques. The stages of preparing training data for model parameters identification purposes are described, as well as these aimed at verifying the quality of the evaluated model. In order to meet the tasks of machine learning, additive regression model was applied. Identification of the additive model parameters was performed on the basis of iterative backfitting algorithm combined with nonparametric estimation techniques. The proposed models have predictive nature and are aimed at simulation of the motor power signal of a coal mill during its regular operation, startup and shutdown. A comparative analysis has been performed of the models structured differently in terms of identification quality and sensitivity to the existence of an exemplary disturbance in the form of overhangs in the coal bunker. Tests carried out on the basis of real measuring data registered in the Polish power unit with a capacity of 200 MW confirm the effectiveness of the method.
    Źródło:
    Bulletin of the Polish Academy of Sciences. Technical Sciences; 2021, 69, 1; art. no. e135842, 1--9
    0239-7528
    Pojawia się w:
    Bulletin of the Polish Academy of Sciences. Technical Sciences
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Structure and physical properties of Fe59Mn27Ni7Cr3Si4 shape memory alloy
    Autorzy:
    Lipiński, Piotr
    Kowalik, Dawid
    Kowalski, Tomasz
    Królicki, Michał
    Hasiak, Mariusz
    Powiązania:
    https://bibliotekanauki.pl/articles/1189884.pdf
    Data publikacji:
    2019
    Wydawca:
    Politechnika Wrocławska. Oficyna Wydawnicza Politechniki Wrocławskiej
    Tematy:
    stopy z pamięcią kształtu
    mikrostruktura
    twardość
    AFM
    XRD
    shape memory alloy
    microstructure
    hardness
    Opis:
    In this work the authors present the properties of the Fe59Mn27Ni7Cr3Si4 (at. %) shape memory alloy. Two different phases were discovered during the XRD analysis and Fe-Mn phase was identified. The hardness of the investigated material in the as-cast state was 194 HV. The nano hardness was 511 HV and Young modulus was determined as 159 GPa. AFM and LFM tests allowed to observe linear arrangement of one phase formed as multiple irregular separations. Shape memory effect was not observed in the temperature range 22 – 600oC.
    Źródło:
    Interdisciplinary Journal of Engineering Sciences; 2019, 7, 1; 10--16
    2300-5874
    Pojawia się w:
    Interdisciplinary Journal of Engineering Sciences
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-6 z 6

      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