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 1-15 z 21
Tytuł:
An analysis of physical, hydraulic and mechanic properties of nonwoven needle-punched geotextiles
Analiza fiizycznych, hydraulicznych i mechanicznych właściwości igłowano-przeszywanych geowłóknin
Autorzy:
Wojtasik, D.
Powiązania:
https://bibliotekanauki.pl/articles/81667.pdf
Data publikacji:
2008
Wydawca:
Szkoła Główna Gospodarstwa Wiejskiego w Warszawie. Wydawnictwo Szkoły Głównej Gospodarstwa Wiejskiego w Warszawie
Tematy:
physical property
hydraulic property
mechanical property
non-woven needle-punched geotextile
geotextile
polypropylene geotextile
polyester geotextile
artificial material
building construction
Źródło:
Annals of Warsaw University of Life Sciences - SGGW. Land Reclamation; 2008, 40
0208-5771
Pojawia się w:
Annals of Warsaw University of Life Sciences - SGGW. Land Reclamation
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Developing a Methodology for Building the Knowledge Base and Application Procedures Supporting the Process of Material and Technological Conversion
Autorzy:
Wilk-Kołodziejczyk, Dorota
Jaśkowiec, Krzysztof
Bitka, Adam
Pirowski, Zenon
Grudzień-Rakoczy, Małgorzata
Chrzan, Konrad
Małysza, Marcin
Doroszewski, Maciej
Powiązania:
https://bibliotekanauki.pl/articles/2134111.pdf
Data publikacji:
2022
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
artificial intelligence
material conversion
technological conversion
selection of parameters
prediction of mechanical properties
Opis:
The article presents the developed IT solutions supporting the material and technological conversion process in terms of the possibility of using the casting technology of selected alloys to produce products previously manufactured with the use of other methods and materials. The solutions are based on artificial intelligence, machine learning and statistical methods. The prototype module of the information and decision-making system allows for a preliminary assessment of the feasibility of this type of procedure. Currently, the selection of the method of manufacturing a product is based on the knowledge and experience of the technologist and constructor. In the described approach, this process is supported by the proprietary module of the information and decision-making system, which, based on the accumulated knowledge, allows for an initial assessment of the feasibility of a selected element in a given technology. It allows taking into account a large number of intuitive factors, as well as recording expert knowledge with the use of formal languages. Additionally, the possibility of searching for and collecting data on innovative solutions, supplying the knowledge base, should be taken into account. The developed and applied models should allow for the effective use and representation of knowledge expressed in linguistic form. In this solution, it is important to use methods that support the selection of parameters for the production of casting. The type, number and characteristics of data have an impact on the effectiveness of solutions in terms of classification and prediction of data and the relationships detected.
Źródło:
Archives of Metallurgy and Materials; 2022, 67, 3; 1085--1091
1733-3490
Pojawia się w:
Archives of Metallurgy and Materials
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Dredging works in the Polish open sea ports as an anthropogenic factor of development of sea coastal zones
Prace czerpalne w polskich portach jako czynnik antropogeniczny rozwoju brzegów morskich
Autorzy:
Staniszewska, M.
Boniecka, H.
Cylkowska, H.
Powiązania:
https://bibliotekanauki.pl/articles/111427.pdf
Data publikacji:
2016
Wydawca:
Instytut Morski w Gdańsku
Tematy:
dredged material
sea coastal zone
artificial nourishment of shores
urobek czerpalny
strefa brzegowa morza
sztuczne zasilanie brzegów
Opis:
Dredging works in ports and fairways lead to the extraction of large quantities of dredged material, which must be “disposed of.” This indirectly results in interference in the coastal zone. From the point of view of impact on the marine environment, among the most important activities is deposition of dredged material: at sea dumping sites and on artificially nourished seashores. The annual average volume of dredged material extracted as a result of deepening of the Polish open sea ports located on the southern coast of the Baltic Sea is calculated at 0.61 million m3 (years 1948–2015). Out of this volume, less than 69% of the dredged material (from 25 to 80% per year) was applied in shore infilling, and the rest was deposited at sea. This is unsatisfactory. To ensure an effective system of shore protection it is required to increase the volume of sediments intended for artificial shore nourishment, and to reduce the amount of sediment relocated to sea dumping sites, in favour of its practical applications.
Prace czerpalne w portach i torach podejściowych prowadzą do wydobywania dużych ilości urobku, który trzeba „zutylizować”. Skutkuje to pośrednio ingerencją w strefę brzegową. Z punktu widzenia wpływu na środowisko morskie najważniejsze są działania związane z odkładem urobku: na klapowiskach w morzu oraz jako sztuczne zasilanie brzegu. Średnioroczne kubatury urobku podlegającego pogłębianiu w polskich portach zlokalizowanych u wybrzeża południowego Bałtyku (lata 1948–2015) kształtowały się na poziomie 0,61 mln m3, z czego refulacji na brzegu poddano niecałe 69% urobku (od 25 do 80% rocznie), resztę odkładano w morzu. Jest to niewystarczające. W celu zagwarantowania efektywnego systemu ochrony brzegu wymagane jest zwiększenie objętości osadów przeznaczonych do sztucznego zasilania brzegu oraz zmniejszenie ilości wywożonego osadu na klapowiska, na rzecz jego praktycznych zastosowań.
Źródło:
Biuletyn Instytutu Morskiego w Gdańsku; 2016, 31, 1; 173-180
1230-7424
2450-5536
Pojawia się w:
Biuletyn Instytutu Morskiego w Gdańsku
Dostawca treści:
Biblioteka Nauki
Artykuł
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:
Analiza stanu naprężeń i przemieszczeń konstrukcji aluminiowej z wymienianymi elementami
The analysis of stresses and displacements in the aluminium structure with replaceable elements
Autorzy:
Potrzeszcz-Sut, B
Pabisek, E.
Powiązania:
https://bibliotekanauki.pl/articles/390675.pdf
Data publikacji:
2013
Wydawca:
Politechnika Lubelska. Wydawnictwo Politechniki Lubelskiej
Tematy:
analiza numeryczna
model materiału Ramberga – Osgooda
sztuczna sieć neuronowa
neuronowy model materiału
numerical analysis
Ramberg-Osgood material model
artificial neural network
neural material model
Opis:
Praca dotyczy nieliniowej analizy numerycznej naprężeń i przemieszczeń węzłów kratownicowej wieży aluminiowej. Założono model materiału Ramberga – Osgooda (RO) przedstawiający potęgową zależność między odkształceniem i naprężeniem: ε(σ). W celu identyfikacji zależności odwrotnej – σ(ε), dla materiału aluminiowego, zastosowano sztuczną sieć neuronową (SSN). W związku z koniecznością wzmocnienia konstrukcji, do układu wprowadzono sprężyste elementy stalowe. Przeprowadzono analizę stanu naprężeń i ekstremalnych przemieszczeń podczas cyklicznego obciążania i odciążania układu. Wykonano dwa rodzaje globalnych odciążeń – sprężyste i sprężysto – plastyczne. Przedstawione zostały zależności między wartością parametru obciążenia konfiguracyjnego, a wychyleniem wierzchołka A wieży. Analiza została wykonana za pomocą programu hybrydowego integrującego MES i SSN.
The paper concerns the non-linear analysis of stresses and displacements in an aluminium truss tower. The Ramberg – Osgood material model was assumed. This model introduced power type relation between stresses and strains. In order to identify the inverse relation, a neural network was used. Because of the need to strengthen the tower, a number of aluminium bars was replaced by steel bars. The perfect elastic material model was assumed for the steel bars. The analysis of stresses and extreme displacements was performed during the cyclic loading and unloading of the system. Two global unloading processes were considered: elastic and elastic-plastic processes. The relationship between the load factor and deflection of the top of the tower is shown. Analysis was performed using a hybrid FEM/ANN program.
Źródło:
Budownictwo i Architektura; 2013, 12, 1; 275-282
1899-0665
Pojawia się w:
Budownictwo i Architektura
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Hybrid MES/SSN analysis of the elastic-plastic truss under cyclic loading
Analiza hybrydowa MES/SSN sprężysto-plastycznej konstrukcji kratowej poddanej obciążeniu cyklicznemu
Autorzy:
Potrzeszcz-Sut, B
Powiązania:
https://bibliotekanauki.pl/articles/402477.pdf
Data publikacji:
2014
Wydawca:
Politechnika Świętokrzyska w Kielcach. Wydawnictwo PŚw
Tematy:
nonlinear numerical analysis
inverse problem
Ramberg-Osgood material model
artificial neural network
neural material model
nieliniowa analiza numeryczna
problem odwrotny
model materiału Ramberg-Osgood
sztuczne sieci neuronowe
neuronowy model materiału
Opis:
The paper presents the application of a hybrid program that integrates finite element method (FEM) and artificial neural network (ANN) for nonlinear analysis of plane truss. ANN, used for the solving the inverse problem has been formulated in ‘off line’ mode. Learning and testing of ANN were carried out using pseudo empirical data. The network formed thereby constitutes the neural material model (NMM), describes the Ramberg-Osgood nonlinear physical relationship. NMM makes it possible to determine the stress and tangential module during cyclic loading of the structure. Numerical tests indicate that the developed FEM/ANN program may be applied to analyse other boundary problems in the uniaxial stress state.
Źródło:
Structure and Environment; 2014, 6, 4; 12-16
2081-1500
Pojawia się w:
Structure and Environment
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Modelowanie procesu kompostowania nawozów naturalnych w aspekcie generowania ciepła
Modeling of the natural fertilizers composting process in the heat generating aspect
Autorzy:
Olszewski, T.
Dach, J.
Jędruś, A.
Powiązania:
https://bibliotekanauki.pl/articles/335614.pdf
Data publikacji:
2005
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:
kompostowanie
materiał organiczny
nawóz naturalny
ciepło
reaktor
sztuczna sieć neuronowa
modelowanie
heat generating
composting
natural fertilizer
organic matter
bioreactor
artificial neural network
Opis:
Kompostowanie polega na mikrobiologicznym rozkładzie substancji organicznych w warunkach tlenowych pod wpływem mikroorganizmów termofilnych (bakterii) i pleśni. Podczas kompostowania, którego faza termofilna może trwać z reguły od 4 do 7 tygodni wydzielają się duże ilości energii cieplnej. Szczególnie wysoki poziom utrzymuje się w początkowej fazie - gdyż temperatura wewnątrz pryzmy może wówczas osiągnąć 60-75°C i utrzymać się na tym poziomie przez okres kilkunastu, a nawet kilkudziesięciu dni. W celu przeprowadzenia badań laboratoryjnych, które będą oddawały warunki polowe w 2002 w Instytucie Inżynierii Rolniczej AR w Poznaniu zbudowano bioreaktor do badania przebiegu rozkładu odpadów organicznych. Dzięki odizolowaniu od warunków zewnętrznych i rozbudowanemu systemowi czujników bioreaktor jest doskonałym sprzętem badawczym, pozwalającym na zgromadzenie obszernej bazy danych umożliwiającej zbudowanie modelu kompostowania z uwzględnieniem wydzielającego się w jego trakcie ciepła. Jako narzędzie modelowania posłużyły sztuczne sieci neuronowe.
Composting process depends on microbiological decomposition of organic matter in oxygenic conditions proceeded by the thermopile microorganisms (bacteries) and moulds. During composting process, which thermopile phase can last from 4 to 7 weeks, there is a lot of heat energy emission. Especially high level of it is received in initial phase - because the temperature inside the composted pile can reach 60-75°C and stays on the level over 50°C for a dozen or even few dozen days. In order to carry out the laboratory experiments, which will fulfill the field conditions in 2002, at the Institute of Agricultural Engineering a bioreactor for the study of the organic material decomposition was constructed. Because of thermal isolation from outside conditions and complex sensor system, bioreactor is perfect experimental set-up, which allows to accumulate a large database. This fact makes possible to create composting model with placing emphasis on heat emission. As a modeling tool, the artificial neural network was used.
Źródło:
Journal of Research and Applications in Agricultural Engineering; 2005, 50, 2; 40-42
1642-686X
2719-423X
Pojawia się w:
Journal of Research and Applications in Agricultural Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
System wspomagający wykrywanie treści wizualnych i tekstowych zagrażających bezpieczeństwu dzieci w cyberprzestrzeni
Autorzy:
Niewiadomska-Szynkiewicz, Ewa
Różycka, Martyna
Staciwa, Katarzyna
Nyczka, Katarzyna
Powiązania:
https://bibliotekanauki.pl/articles/20311655.pdf
Data publikacji:
2023-10-31
Wydawca:
Akademia Sztuki Wojennej
Tematy:
cybersecurity
Child Sexual Abuse Material
CSAM
decision support system
artificial intelligence
machine learning
deep learning
Opis:
In recent years, there has been a significant increase in threats to children’s safety in cyberspace. The most serious of these include children’s participation in illegal online activities and the production of sexually explicit content involving them. Therefore, it is of fundamental importance to build awareness of cyber threats among our society’s youngest members and teach them skills for the safe use of products and services assigned to cyberspace. A key action for effectively protecting children in this environment is the early detection and reporting to the relevant authorities of illegal behavior and child abuse content. Teams such as Dyżurnet.pl, whose tasks currently include responding to potentially illegal content reported by cyberspace users, and in the near future, possibly also conducting proactive activities in this area, play an important role here. The experience of Dyżurnet.pl clearly shows that effective detection of such content requires automation of activities and appropriate IT tools. This paper presents a novel network monitoring and decision support system using artificial intelligence methods, including deep learning, to automatically detect potentially harmful material, such as Child Sexual Abuse Material (CSAM), erotic content involving children, pornographic content with a created or processed image of a child and pornography involving adults.
Źródło:
Cybersecurity and Law; 2023, 10, 2; 202-220
2658-1493
Pojawia się w:
Cybersecurity and Law
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
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:
Prediction optimization of mechanical properties of ferrite stainless steels after forging treatment with use of genetic algorithms
Autorzy:
Honysz, R.
Powiązania:
https://bibliotekanauki.pl/articles/378963.pdf
Data publikacji:
2019
Wydawca:
Stowarzyszenie Komputerowej Nauki o Materiałach i Inżynierii Powierzchni w Gliwicach
Tematy:
numerical techniques
Computational Material Science
artificial algorithms
stainless steel
techniki numeryczne
komputerowa nauka o materiałach
algorytmy sztucznej inteligencji
Stal nierdzewna
Opis:
Purpose: The paper describes the use of artificial neural networks to research and predict the effect of chemical components and thermal treatment conditions on stainless steel's mechanical characteristics optimized by genetic algorithm. Design/methodology/approach: The quantity of input variables of artificial neural networks has been optimized using genetic algorithms to enhance the prediction quality of artificial neural network and to enhance their efficiency. Then a computational model was trained and evaluated with optimized artificial neural networks. Findings: Optimization, with the exception of tensile strength, has enabled the creation of artificial neural networks, which either showed a better or similar performance from base networks, as well as a decreased amount of input variables As a consequence, noise data is decreased in the computational model built with the use of these networks. Research limitations/implications: Data analysis was required to confirm the relevance of obtaining information used for modelling to use in training procedures for artificial neural networks. Practical implications: Using artificial intelligence enables the multi-faceted growth of stainless steel engineering, even though there is only a relatively small amount of descriptors. Built and optimized computational model building using optimized artificial neural networks enables prediction of mechanical characteristics after normalization of forged ferritic stainless steels. Originality/value: In order to decrease production expenses of products, an introduced model can be obtained in manufacturing industry. It can also simplify the selection of materials if the engineer has to correctly choose chemical elements and appropriate plastics and/or heat processing of stainless steels, having the necessary mechanical characteristics.
Źródło:
Archives of Materials Science and Engineering; 2019, 100, 1/2; 13-20
1897-2764
Pojawia się w:
Archives of Materials Science and Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Application of Artificial Neural Networks in the Analysis of Mechanisms Destroying Forging Tools
Autorzy:
Hawryluk, M.
Mrzygłód, B.
Gronostajski, Z.
Głowacki, M.
Olejarczyk-Wożeńska, I.
Powiązania:
https://bibliotekanauki.pl/articles/353528.pdf
Data publikacji:
2020
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
decision support system
durability of forging tools
artificial neural network
loss of material
wear
Opis:
This article discusses the results of studies using the developed artificial neural networks in the analysis of the occurrence of the four main mechanisms destroying the selected forging tools subjected to five different surface treatment variants (nitrided layer, pad welded layer and three hybrid layers, i.e. AlCrTiSiN, Cr/CrN and Cr/AlCrTiN). Knowledge of the forging tool durability, needed in the process of artificial neural network training, was included in the set of training data (about 800 records) derived from long-term comprehensive research carried out under industrial conditions. Based on this set, neural networks with different architectures were developed and the results concerning the intensity of the occurrence of thermal-mechanical fatigue, abrasive wear, mechanical fatigue and plastic deformation were generated for each type of the applied treatment relative to the number of forgings, pressure, friction path and temperature.
Źródło:
Archives of Metallurgy and Materials; 2020, 65, 1; 193-200
1733-3490
Pojawia się w:
Archives of Metallurgy and Materials
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Model development of the external friction of granular vegetable materials on the basis of artificial neural networks
Autorzy:
Francik, S.
Fraczek, J.
Powiązania:
https://bibliotekanauki.pl/articles/25205.pdf
Data publikacji:
2001
Wydawca:
Polska Akademia Nauk. Instytut Agrofizyki PAN
Tematy:
granular vegetable material
artificial neural network
external friction
vegetable
Źródło:
International Agrophysics; 2001, 15, 4
0236-8722
Pojawia się w:
International Agrophysics
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Application of artificial neural networks in modelling the contact area of grain seeds
Wykorzystanie sztucznych sieci neuronowych w modelowaniu powierzchni kontaktu ziarna zbóż
Autorzy:
Frączek, J.
Francik, S.
Ślipek, Z.
Knapczyk, A.
Powiązania:
https://bibliotekanauki.pl/articles/93661.pdf
Data publikacji:
2016
Wydawca:
Polskie Towarzystwo Inżynierii Rolniczej
Tematy:
contact area
seed material
artificial neural network
powierzchnia kontaktu
materiał ziarnisty
sztuczna sieć neuronowa
Opis:
The objective of the research was to create a model which defines the relation between a fundamental contact area of a seed and the pressure force, water content in a seed and its geometrical dimensions with application of artificial neural networks (SSN). Computer program Statistica Neural Networks v. 6.0. was used for formation of a neural model. Tests were carried out on Roma wheat seed and Dańkowskie Złote rye with six various water contents: 0.11 0.15 0.19 0.23 0.28 0.33 (kg⋅kg-1 dry mass). Caryopses were loaded with eight values of compression force - from 41 N to 230 N. Multiplicity of iterations was 5. Seed material was moistened to obtain a specific water content. Each seed was loaded with compression force with respectively growing values: 41N, 68N, 95N, 122N, 149N, 176N, 203N and 230N. A four-layer network of Perceptron type with 10 neurons in the first and 8 neurons in the second hidden layer was selected as a model which the best defines the contact area of grain seeds loaded with axial force at various moisture levels. This network has 4 inputs (water content, pressure force, thickness and length of caryopses) and one output (elementary contact area of rye and wheat seeds). Comparison of the neural model with empirical formulas obtained from nonlinear estimation proved a considerable higher precision of the first one.
Celem badań było utworzenie modelu określającego zależności między elementarną powierzchnią kontaktu ziarna, a siłą nacisku, zawartością wody w ziarnie oraz jego wymiarami geometrycznymi, przy wykorzystaniu sztucznych sieci neuronowych (SSN). Do tworzenie modelu neuronowego wykorzystano program komputerowy Statistica Sieci Neuronowe v. 6.0. Badania przeprowadzono na ziarnie pszenicy Roma oraz żyta Dańkowskie Złote, przy sześciu różnych zawartościach wody: 0,11 0,15 0,19 0,23 0,28 0,33 (kg⋅kg-1 s.m.). Ziarniaki obciążano ośmioma wartościami siły ściskającej – od 41N do 230N. Krotność powtórzeń wynosiła 5. Materiał ziarnisty nawilżano aby uzyskać określoną zawartość wody. Każde ziarno obciążano siłą ściskającą o kolejno rosnących wartościach: 41N, 68N, 95N, 122N, 149N, 176N, 203N i 230N. Jako model najlepiej określający powierzchnię styku ziarna zbóż obciążanego siłą osiową, przy różnej wilgotności wybrano czterowarstwową sieć typu Perceptron o 10 neuronach w pierwszej i 8 neuronach w drugiej warstwie ukrytej. Sieć ta posiada 4 wejścia (zawartość wody, siła nacisku, grubość i długość ziarniaka), i jedno wyjście (elementarna powierzchnia kontaktu ziarna żyta i pszenicy). Porównanie modelu neuronowego z formułami empirycznymi uzyskanymi z estymacji nieliniowej wykazało zdecydowanie większą dokładność pierwszego z nich.
Źródło:
Agricultural Engineering; 2016, 20, 4; 27-37
2083-1587
Pojawia się w:
Agricultural Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
The use of generative models to speed up the discovery of materials
Autorzy:
Coto, Andrea Gregores
Precker, Christian Eike
Andersson, Tom
Laukkanen, Anssi
Suhonen, Tomi
Rodriguez, Pilar Rey
Muíños-Landín, Santiago
Powiązania:
https://bibliotekanauki.pl/articles/29520053.pdf
Data publikacji:
2023
Wydawca:
Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
Tematy:
artificial intelligence
materials science
high-performance material
generative model
Opis:
Material Science is a key factor in the evolution of many industrial sectors. Fields such as the aeronautics, automotive, construction, and biotechnology industries have experienced tremendous development with the introduction of advanced, high-performance materials. Such materials not only provide new functionalities to products, but also significant consequences in terms of economic and environmental sustainability of the products and processes triggered by the more efficient use of energy that they provide. Under this scenario, materials that provide such high performance, such as high entropy alloys (HEAs) or polymer derived ceramics (PDCs), have captured the attention of both industry and researchers in recent years. However, the remarkable number of resources required to develop such materials, from its design phase to its synthesis and characterization, means that the discovery of new high-performance materials is moving at a relatively low pace. This fact places emergent strategies based on artificial intelligence (AI) for the design of materials in a good position to be used to accelerate the whole process, providing an impulse in the initial phases of materials design. The enormous number of combinations of elements and the complexity of synthesizability conditions of HEAs and PDCs respectively, paves the way to the deployment of AI techniques such as Generative Models addressed in this work to create synthetic HEAs and PDCs for highly intensive industrial processes. A specific conditional tabular generative adversarial network (CTGAN) was developed to be used on tabular data to generate novel synthetic compounds for each kind of material. The generated synthetic data was based on the conventional parametric design parameters used for HEAs and PDCs, with specific datasets created for them. The real and generated data are compared, calculation of phase diagrams (CALPHAD) simulations are provided to evaluate the performance of the generated samples and a verification of the novel generated compositions is done in open materials databases available in the literature.
Źródło:
Computer Methods in Materials Science; 2023, 23, 1; 13-26
2720-4081
2720-3948
Pojawia się w:
Computer Methods in Materials Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Wyświetlanie 1-15 z 21

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