Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "korelacja cząstek" wg kryterium: Temat


Wyświetlanie 1-2 z 2
Tytuł:
Spatial distribution of cementite particles in Fe-0.67% C steel
Rozmieszczenie cząstek cementytu w stali Fe-0.67% C
Autorzy:
Matusiewicz, P.
Czarski, A.
Powiązania:
https://bibliotekanauki.pl/articles/353440.pdf
Data publikacji:
2013
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
particle coarsening
particles arrangement
pair correlation function
spatial distribution
stereology
rozmieszczenie cząstek
korelacja cząstek
rozkład przestrzenny
stereologia
Opis:
The particles arrangement in material space is represented by point field determined by the particle reference points, i.e., particle centers which can be described by the pair-correlation function (PCF) g3(r); r - correlation distance. Information about g3(r) can be obtained by stereological method based on the PCF g2(r), which describes the point field on the planar section determined by the centers of particle planar sections. In this paper the arrangement of cementite (Fe3C) particles during coarsening in Fe - 0,67%C steel at 715ºC in a form of two materials (A, B) of different microstructure of the coarse spheroidite (with different matrix grain size and particles position) was investigated. In material A, the particles are mainly at grain (subgrain) boundaries of fine-grained matrix. In material B, particles are mainly inside grains of coarse-grained ferrite. For material A, the empirical PCF g2(r) for a long time of coarsening (600 hours) is shifted towards larger r and is more flat near the g2(r) =1 than the one of coarsening for 50 hours. For material B, the g2(r) for both annealing times are not significantly different. This is consistent with the results of the probability density function f2(d) analysis for diameter (d) of the particle sections. Obtained PCF g2(r) are similar to the PCF g2(r) for planar section of the Stienen model. This means that for both type of microstructures the PCF - g3(r) =1, i.e., particles are distributed randomly in space and the sizes of the neighboring particles are correlated with each other.
Rozmieszczenie czastek w przestrzeni reprezentuje pole punktowe wyznaczone przez punkty - środki cząstek, funkcja PCF g3(r) (r - odległość korelacji) jest jego charakterystyka. Informacje o PCF g3(r) można otrzymać na drodze stereologicznej, na podstawie funkcji PCF g2(r), która opisuje pole punktowe na płaszczyznie (zgładzie), wyznaczone przez punkty - środki przekrojów cząstek. W niniejszej pracy badano rozmieszczenie cząstek cementytu (Fe3C) podczas koagulacji (przy temperaturze 715ºC), w stali Fe - 0,67%C, w postaci dwóch materiałów (A, B) różniących się mikrostrukturą (wielkością ziarna osnowy i rozmieszczeniem cząstek). W materiale A, cząstki cementytu są głównie na granicach ziarn (podziarn) drobnoziarnistego ferrytu. W materiale B, cząstki są przeważnie wewnątrz ziarn gruboziarnistego ferrytu. Dla materiału A, empiryczna PCF g2(r) dla długiego czasu koagulacji (600 godzin) jest przesunięta w kierunku większych wartości r i jest bardziej płaska przy g2(r) =1 niż dla 50 godzin koagulacji. Dla materiału B, funkcje g2(r) dla obu czasów wyżarzania nie różnią się znacznie. Jest to zgodne z wynikami analizy funkcji gęstości prawdopodobienstwa f2(d) średnic (d) przekrojów cząstek. Otrzymane PCF g2(r) są podobne do PCF g2(r) dla modelu Stienena. Oznacza to, że dla obu rodzajów mikrostruktury PCF - g3(r) =1, tj. cząstki są losowo rozmieszczone w przestrzeni, a rozmiary sąsiednich cząstek są ze soba skorelowane.
Źródło:
Archives of Metallurgy and Materials; 2013, 58, 2; 631-634
1733-3490
Pojawia się w:
Archives of Metallurgy and Materials
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Early prediction of remaining discharge time for lithium-ion batteries considering parameter correlation between discharge stages
Wczesne przewidywanie czasu pozostałego do rozładowania baterii litowo-jonowej z uwzględnieniem korelacji parametrów z różnych etapów procesu rozładowania
Autorzy:
Yu, Jinsong
Yang, Jie
Tang, Diyin
Dai, Jing
Powiązania:
https://bibliotekanauki.pl/articles/1365259.pdf
Data publikacji:
2019
Wydawca:
Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
Tematy:
lithium-ion battery
parameter correlation
particle swarm optimization (PSO)
particle filter
remaining discharge time prognostics
bateria litowo-jonowa
korelacja parametrów
optymalizacja rojem cząstek
filtr cząsteczkowy
prognozowanie czasu do rozładowania
Opis:
In this paper, we propose a method for making early predictions of remaining discharge time (RDT) that considers information about future battery discharge process. Instead of analyzing the entire degradation process of a battery, as in the existing literature, we obtain the information about future battery condition by decomposing the discharge model into three stages, according to level of voltage loss. Correlation between model parameters at the first and last stages of discharge process allows the values of model parameters in the future to be used to predict the value of parameters at early stages of discharge. The particle swarm optimization (PSO) and particle filter (PF) algorithms are employed to update parameters when new voltage data is available. A case study demonstrates that the proposed approach predicts RDT more accurately than the benchmark PF-based prediction method, regardless of the degradation period of the battery.
W pracy zaproponowano metodę wczesnego przewidywania czasu pozostałego do rozładowania baterii (RDT), która uwzględnia informacje na temat przyszłego procesu jej rozładowywania. Zamiast analizować cały proces degradacji baterii, jak to ma miejsce w literaturze przedmiotu, wykorzystano informacje o przyszłym stanie baterii uzyskane na drodze podziału modelu procesu rozładowania na trzy etapy, według poziomu utraty napięcia. Korelacje między parametrami modelu uzyskanymi na pierwszym i ostatnim etapie procesu rozładowania baterii umożliwiają wykorzystanie przyszłych wartości parametrów do przewidywania wartości parametrów we wczesnych etapach rozładowania. Do aktualizacji parametrów zgodnie z napływającymi nowymi danymi napięciowymi wykorzystano algorytm optymalizacji rojem cząstek (PSO) i algorytm filtra cząsteczkowego (PF). Studium przypadku pokazuje, że proponowane podejście pozwala bardziej precyzyjnie prognozować RDT niż metoda prognozowania oparta na PF, niezależnie od okresu degradacji baterii.
Źródło:
Eksploatacja i Niezawodność; 2019, 21, 1; 81-89
1507-2711
Pojawia się w:
Eksploatacja i Niezawodność
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