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 "metoda sztucznej inteligencji" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-5 z 5
    Tytuł:
    Metody regulacji kąta przegłębienia pojazdu podwodnego transportującego ładunek
    The methods of trim control of an underwater vehicle transfering a load
    Autorzy:
    Szymak, P.
    Powiązania:
    https://bibliotekanauki.pl/articles/366319.pdf
    Data publikacji:
    2007
    Wydawca:
    Polskie Towarzystwo Medycyny i Techniki Hiperbarycznej
    Tematy:
    bezzałogowy pojazd podwodny
    sterowanie
    metoda sztucznej inteligencji
    unmanned underwater vehicle
    control
    artificial intelligence method
    Opis:
    W przypadku wykorzystania pojazdu podwodnego do przenoszenia różnego rodzaju ładunków można zaobserwować efekt niepożądanego przegłębienia robota, co ma niekorzystny wpływ na proces sterowania jego ruchem. W referacie przedstawiono wyniki działania konwencjonalnych i rozmytych regulatorów kata przegłębienia pojazdu podwodnego, dostrajanych przy wykorzystaniu metod klasycznych oraz metod sztucznej inteligencji. Prace realizowano w Instytucie Podstaw Techniki Wydziału Mechaniczno-Elektrycznego Akademii Marynarki Wojennej w Gdyni.
    In the case of using an underwater vehicle to transfer different kind of loads, an effect of undesirable robot's trim might be observed, which has disadvantageous influence on a control process of its movement. In the paper, results of action of conventional and fuzzy underwater vehicle's trim controllers, tuned with the assistance of classical and artificial intelligence methods have been presented. Researches were carried out in The Electrotechnical and Electronic Department, The Naval University in Gdynia.
    Źródło:
    Polish Hyperbaric Research; 2007, 1(18); 17-31
    1734-7009
    2084-0535
    Pojawia się w:
    Polish Hyperbaric Research
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Klasyfikator lokalnych uszkodzeń zębów kół przekładni, wykorzystujący logikę rozmytą oraz selekcję widmową
    Classifier of fault diagnosis in a gear wheel which used fuzzy logic and fast Fourier transform
    Autorzy:
    Czech, P.
    Powiązania:
    https://bibliotekanauki.pl/articles/256160.pdf
    Data publikacji:
    2008
    Wydawca:
    Sieć Badawcza Łukasiewicz - Instytut Technologii Eksploatacji - Państwowy Instytut Badawczy
    Tematy:
    diagnostyka
    przekładna zębata
    metoda sztucznej inteligencji
    logika rozmyta
    diagnostics
    toothed gears
    artificial intelligent methods
    fuzzy logic
    Opis:
    W artykule przedstawiono wyniki prób mających na celu budowę klasyfikatora lokalnych uszkodzeń zębów kół przekładni, zbudowanego w oparciu o logikę rozmytą. Obiekt badań stanowiła przekładnia zębata o zębach prostych, pracująca na stanowisku mocy krążącej FZG. Badaniami objęto przekładnie z kołami bez uszkodzeń oraz z lokalnymi uszkodzeniami zębów w postaci pęknięcia u podstawy zęba i wykruszenia wierzchołka zęba. W artykule zaproponowano sposób budowy systemów diagnozujących lokalne uszkodzenia zębów kół. Do tego celu wykorzystano sygnały drganiowe poddane odpowiedniej filtracji oraz przetwarzaniu.
    The present paper presents the results of an experimental application of a fuzzy logic system as a classifier of the degree of cracking root and chipping tip of the tooth in a gear wheel. The input data for the classifier was in the form of a matrix composed of statistical measures, obtained from fast Fourier transform analysis. In order to create a foundation for knowledge, a stand testing was done. The experimental tests were conducted in the system operating as circulating power test rigs. As the result, the method of standard construction for diagnostic systems based on fuzzy logic was also worked out by means of defining the ways of filtrating and analysing of signals. Additionally, the procedure of building the fuzzy logic system used to classify the state of an object was researched.
    Źródło:
    Problemy Eksploatacji; 2008, 1; 55-73
    1232-9312
    Pojawia się w:
    Problemy Eksploatacji
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Klasyfikator lokalnych uszkodzeń zębów kół przekładni, wykorzystujący sieci neuronowe MLP oraz ciągłą transformatę falkową
    Classifier of fault diagnosis in a gear wheel which used MLP neural network and continuous wavelet transform
    Autorzy:
    Czech, P.
    Powiązania:
    https://bibliotekanauki.pl/articles/257799.pdf
    Data publikacji:
    2007
    Wydawca:
    Sieć Badawcza Łukasiewicz - Instytut Technologii Eksploatacji - Państwowy Instytut Badawczy
    Tematy:
    diagnostyka
    przekładnia zębata
    metoda sztucznej inteligencji
    sztuczna sieć neuronowa
    MLP
    diagnostic testing
    toothed gear
    artificial intelligent methods
    PNN
    Opis:
    W artykule przedstawiono wyniki prób mających na celu budowę klasyfikatora lokalnych uszkodzeń zębów kół przekładni, opartego na sztucznych sieciach neuronowych. W badaniach wykorzystano sieci neuronowe typu perceptron wielowarstwowy (MLP). Obiekt badań stanowiła przekładnia zębata o zębach prostych, pracująca na stanowisku mocy krążącej FZG. Badaniami objęto przekładnie z kołami bez uszkodzeń oraz z lokalnymi uszkodzeniami zębów w postaci pęknięcia u podstawy zęba i wykruszenia wierzchołka zęba. W artykule zaproponowano budowę deskryptorów lokalnych uszkodzeń zębów kół wykorzystując do tego celu sygnały drganiowe poddane odpowiedniej filtracji oraz przetwarzaniu.
    The paper presents the results of an experimental application of an artificial neural network as a classifier of the degree of the cracking root and the chipping tip of the tooth in a gear wheel. The neural classifier was based on the artificial neural network of an MLP type (Multi-Layer Perceptions). The input data for the classifier was in the form of a matrix composed of statistical measures, obtained from continuous wavelet analysis. In order to create a basis of knowledge, a stand testing was done. The experimental tests were conducted in the system operating as circulating power test rigs. As a result, the method of standard construction for diagnostic systems based on artificial intelligence was also worked out by means of defining the ways of filtrating and analysing of signals and diagnostic measurements. Additionally, the choice of the architecture and algorithm of teaching artificial neural networks used to classify the state of an object was researched.
    Źródło:
    Problemy Eksploatacji; 2007, 4; 61-81
    1232-9312
    Pojawia się w:
    Problemy Eksploatacji
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Artificial Intelligence Approaches to Fault Diagnosis for Dynamic Systems
    Autorzy:
    Patton, R. J.
    Lopez-Toribio, C. J.
    Uppal, F. J.
    Powiązania:
    https://bibliotekanauki.pl/articles/908290.pdf
    Data publikacji:
    1999
    Wydawca:
    Uniwersytet Zielonogórski. Oficyna Wydawnicza
    Tematy:
    metoda sztucznej inteligencji
    rozpoznanie błędu
    modelowanie rozmyte
    system rozmyty
    artificial intelligence methods
    fault diagnosis
    residual generation
    fuzzy modelling
    neuro-fuzzy systems
    Opis:
    Recent approaches to fault detection and isolation (FDI) for dynamic systems using methods of integrating quantitative and qualitative model information, based upon artificial intelligence (AI) techniques are surveyed. In this study, the use of AI methods is considered an important extension to the quantitative model-based approach for residual generation in FDI. When quantitative models are not readily available, a correctly trained artificial neural network (ANN) can be used as a non-linear dynamic model of the system. However, the neural network does not easily provide insight into model behaviour; the model is explicit rather than implicit in form. This main difficulty can be overcome using qualitative modelling or rule-based inference methods. For example, fuzzy logic can be used together with state-space models or neural networks to enhance FDI diagnostic reasoning capabilities. The paper discusses the properties of several methods of combining quantitative and qualitative system information and their practical value for fault diagnosis of real process systems.
    Źródło:
    International Journal of Applied Mathematics and Computer Science; 1999, 9, 3; 471-518
    1641-876X
    2083-8492
    Pojawia się w:
    International Journal of Applied Mathematics and Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Neural network and convolutional algorith to extract shapes by e-Medicus application
    Sieć neuronowa i algorytm konwolucyjny do wyodrębniania kształtów w systemie e-Medicus
    Autorzy:
    Rymarczyk, T.
    Stefaniak, B.
    Adamkiewicz, P.
    Powiązania:
    https://bibliotekanauki.pl/articles/407688.pdf
    Data publikacji:
    2018
    Wydawca:
    Politechnika Lubelska. Wydawnictwo Politechniki Lubelskiej
    Tematy:
    image analysis
    level set method
    artificial intelligence algorithms
    analiza obrazu
    metoda zbiorów poziomicowych
    algorytm sztucznej inteligencji
    Opis:
    The solution shows the architecture of the system collecting and analyzing data. There was tried to develop algorithms to image segmentation. These algorithms are needed to identify arbitrary number of phases for the segmentation problem. With the use of algorithms such as the level set method, neural networks and deep learning methods, it can obtain a quicker diagnosis and automatically marking areas of the interest region in medical images.
    Rozwiązanie pokazuje architekturę systemu zbierającego i analizującego dane. Opracowano algorytmy segmentacji obrazu. Algorytmy te są potrzebne do identyfikacji dowolnej liczby faz dla problemu segmentacji. Dzięki zastosowaniu algorytmów, takich jak metoda zbiorów poziomicowych, sieci neuronowych i metody głębokiego uczenia się, można uzyskać szybszą diagnozę i automatyczne oznaczanie obszarów w regionie zainteresowania w obrazach medycznych.
    Źródło:
    Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska; 2018, 8, 3; 39-42
    2083-0157
    2391-6761
    Pojawia się w:
    Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
    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