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 "modelowanie neuronowe" wg kryterium: Temat

  Lista filtrów
Wyrównaj
Wyświetlanie 1-15 z 54
Tytuł:
Application of Artificial Neural Networks to Predict the Air Permeability of Woven Fabrics
Zastosowanie sztucznych sieci neuronowych do przewidywania przepuszczalność powietrza tkanin
Autorzy:
Matusiak, M.
Powiązania:
https://bibliotekanauki.pl/articles/233122.pdf
Data publikacji:
2015
Wydawca:
Sieć Badawcza Łukasiewicz - Instytut Biopolimerów i Włókien Chemicznych
Tematy:
woven fabrics
air permeability
artificial neural networks
modelling
tkaniny
przepuszczalność powietrza
sztuczne sieci neuronowe
modelowanie
przepływ powietrza
Opis:
Air permeability is one of the most important utility properties of textile materials as it influences air flow through textile material. Air permeability plays a significant role in textiles for clothing due to their influence on physiological comfort. Air permeability is also very important in technical textiles, especially for filtration, automotive airbags, parachutes, etc. The air permeability of textile materials depends on their porosity. There are a lot of structural properties of textile materials influencing air permeability and there are also statistically significant interactions between the main factors influencing the air permeability of fabrics. It justifies the application of artificial neural networks (ANNs) to predict the air permeability of textile materials on the basis of their structural parameters. Within the framework of the work presented ANNs were applied to predict the air permeability of cotton woven fabrics.
Przepuszczalność powietrza jest jedną z ważniejszych właściwości użytkowych materiałach włókienniczych. Wpływa ona na przepływ powietrza przez materiał włókienniczy. Przepuszczalność powietrza odgrywa istotną rolę w materiałach włókienniczych przeznaczonych na odzież z uwagi na ich wpływ na odczuwanie komfortu fizjologicznego. Przepuszczalność powietrza jest także bardzo ważna w przypadku tekstyliów technicznych, w szczególności przeznaczonych na filtry, spadochrony,poduszki powietrzne itp. Przepuszczalność powietrza materiałów włókienniczych zależy od ich porowatości. Istnieje wiele właściwości strukturalnychmateriałów włókienniczych wpływających na przepuszczalność powietrza. Występują również statystycznie istotne interakcje pomiędzy głównymi czynnikami wpływającymi na przepuszczalność powietrza tkanin. To uzasadnia zastosowanie sztucznych sieci neuronowych do przewidywania przepuszczalności powietrza materiałów włókienniczych na podstawie ich parametrów strukturalnych. W ramach niniejszej pracy sztuczne sieci neuronowe zostały zastosowane do przewidywania przepuszczalności powietrza tkanin bawełnianych.
Źródło:
Fibres & Textiles in Eastern Europe; 2015, 1 (109); 41-48
1230-3666
2300-7354
Pojawia się w:
Fibres & Textiles in Eastern Europe
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Artificial neural networks as models neuronal electronic state offices
Autorzy:
Tchórzewski, J.
Leszko, K.
Powiązania:
https://bibliotekanauki.pl/articles/95129.pdf
Data publikacji:
2015
Wydawca:
Szkoła Główna Gospodarstwa Wiejskiego w Warszawie. Wydawnictwo Szkoły Głównej Gospodarstwa Wiejskiego w Warszawie
Tematy:
e-document
office
repository
artificial neural networks
neural modelling
MATLAB and Simulink
e-dokument
sztuczne sieci neuronowe
Matlab
Simulink
modelowanie neuronowe
urząd administracji publicznej
Opis:
The paper presents selected results of research on learning design and artificial neural network (ANN) models paperless office as a state defined as a document repository. A review of selected issues on artificial neural network, and environments to support their generation and learning. In particular, attention was drawn to the new modeling capabilities leading to obtaining neural models of electronic systems. Artificial neural network is designed and taught her electronic office model based on the size of the input 11 and 9 variables, par 72 trainees on the actual size of government agencies for the year 2007. The model was obtained in MATLAB and Simulink and using the Neural Network Toolbox. Showing the possibilities of using the model to test sensitivities and simulation in Simulink.
Źródło:
Information Systems in Management; 2015, 4, 3; 219-227
2084-5537
2544-1728
Pojawia się w:
Information Systems in Management
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Budowa neuronowych modeli prognostycznych na przykladzie wybranych zagadnien inzynierii rolniczej
Construction of neural forecasting models for example of selected issues in agricultural engineering
Autorzy:
Dejewska, T
Boniecki, P.
Jakubek, A.
Powiązania:
https://bibliotekanauki.pl/articles/883707.pdf
Data publikacji:
2009
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:
zbiory danych
modelowanie
modele prognostyczne
inzynieria rolnicza
sieci neuronowe sztuczne
uczenie sie
Opis:
Celem pracy było omówienie metodyki budowy modeli prognostycznych w oparciu o sztuczne sieci neuronowe. Podczas konstruowania modelu neuronowego realizującego predykcję występują często złożone problemy. Z uwagi na to przybliżono metody pozwalające na poprawny przebieg poszczególnych etapów budowy. Przedstawiono również wartość poznawczą i skuteczność działania tych modeli dla inżynierii rolniczej.
The aim of the following thesis was the description of methods of building of prognostic models with the use of the artificial neural networks. During constructing of neuronal model of prediction, a variety of complex problems may often appear. In consideration of those problems, some methods enabling appropriate course of each of the stages of building the model were presented. Moreover, a cognitive value and effectiveness of working of those models in the agricultural engineering were introduced.
Źródło:
Technika Rolnicza Ogrodnicza Leśna; 2009, 05; 7-10
1732-1719
2719-4221
Pojawia się w:
Technika Rolnicza Ogrodnicza Leśna
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Budowa numerycznego modelu rzeźby terenu toru wodnego metodą opartą na przekrojach
The Construction of a Numerical Terrain Relief Model of a Fairway by the Cross-Sections Method
Autorzy:
Stateczny, A.
Kozak, M.
Powiązania:
https://bibliotekanauki.pl/articles/360648.pdf
Data publikacji:
2006
Wydawca:
Akademia Morska w Szczecinie. Wydawnictwo AMSz
Tematy:
numeryczny model rzeźby terenu
radialne sieci neuronowe
modelowanie dna
EXPLO-SHIP 2006
Numerical Terrain Relief Model
radial neural networks
bottom modeling
Opis:
Artykuł przedstawia metodę budowy numerycznego modelu rzeźby terenu proponowaną dla torów wodnych. Metoda oparta jest na przekrojach aproksymowanych z wykorzystaniem sieci radialnych (RBF), z przyrostowym doborem liczby neuronów radialnych. Przekroje adaptacyjnie dopasowują się do modelowanej powierzchni oraz założonego przez użytkownika błędu, co zapewnia redukcję danych i możliwość wizualizacji powierzchni w czasie rzeczywistym. Do badań wykorzystano powierzchnie testowe oraz rzeczywiste punkty pomiarowe z toru wodnego Szczecin - Świnoujście.
A method of constructing a Numerical Terrain Relief Model dedicated to fairways is presented. The method is based on approximated cross-sections using RBF networks with an incremental selection of radial neurons number. Adaptive cross-sections adjust to the model surface and to an error assumed by the user, which reduces the amount of data and makes it possible to visualize the surface in real time. The research made use of test surfaces as well as real measurement points located in the Szczecin - Świnoujście fairway.
Źródło:
Zeszyty Naukowe Akademii Morskiej w Szczecinie; 2006, 11 (83); 269-277
1733-8670
2392-0378
Pojawia się w:
Zeszyty Naukowe Akademii Morskiej w Szczecinie
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Detekcja nieszczelności kotła fluidalnego z użyciem modeli rozmyto-neuronowych
Approach to boiler leak detection with fuzzy neural models
Autorzy:
Szadkowski, B.
Jankowska, A.
Powiązania:
https://bibliotekanauki.pl/articles/257517.pdf
Data publikacji:
2011
Wydawca:
Sieć Badawcza Łukasiewicz - Instytut Technologii Eksploatacji - Państwowy Instytut Badawczy
Tematy:
detekcja awarii
systemy rozmyto-neuronowe
kocioł fluidalny
modelowanie
detection of outage
fuzzy-neural system
fluidised bed boiler
modelling
Opis:
Zreferowano badania modelowe nad detekcją nieszczelności kotłów fluidalnych z wykorzystaniem danych z archiwum. Modelowanie prowadzono w przyborniku Fuzzy Logic pakietu Matlab. Omówiono dwa podejścia do rozwiązania problemu. W pierwszym - opracowano modele rozmyto-neuronowe typu Takagi-Sugeno-Kanga (TSK) 4 zmiennych procesowych o dużej wrażliwości na przeciek. Uśrednione residua tych zmiennych, w przesuwnym oknie czasowym, pozwoliły wykryć 7 z 8 rozważanych przypadków nieszczelności. Oceniono długość okna i uzyskane wyprzedzenie detekcji względem wyłączenia bloku. Następnie opracowano i przetestowano model awarii o binarnym wyjściu. Równoległe wykorzystanie opracowanych modeli pozwoliło na wykrycie z kilkudniowym wyprzedzeniem wszystkich analizowanych awarii, potwierdzając przydatność modeli TSK w ważnym zadaniu eksploatacyjnym. Wskazano dalsze kierunki prac.
The research results into leak detection in a fluidised bed boiler are presented. The studies took advantage of the historical data from DCS in the professional power plant. Models of neuro-fuzzy Takagi-Sugeno-Kanga (TSK) type were built and tested in the Fuzzy Toolbox of Matlab. The roots of boiler outage (in water-steam pressure system and aside from this system) are indicated. The two approaches to leak detection task are described. In the first, the models of the 4 process variables sensitive to leakage were built. The residues of these models were evaluated in a moving time window. The length of the time window and the advance of leakage detection are discussed. Next, the model the TSK of the boiler faults with binary output was built and tested. Training data was collected for 3 cases of raised outage (models output - 1) and the normal work of installation (models output - 0). The parallel usage of proposed TSK models provided a successful detection of all studied fault cases a few days in advance. This has confirmed the suitability of the fuzzy neural models in an important exploitation task.
Źródło:
Problemy Eksploatacji; 2011, 2; 181-188
1232-9312
Pojawia się w:
Problemy Eksploatacji
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Diagnostyka torów pomiarowych i urządzenia wykonawczego w układzie regulacji turbiny kondensacyjnej
Diagnostic of measuring tracks and executive device in control system for condensing turbine
Autorzy:
Pawlak, M.
Powiązania:
https://bibliotekanauki.pl/articles/155014.pdf
Data publikacji:
2006
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
układ regulacji
modelowanie rozmyte
sieci neuronowe
diagnostyka
tory pomiarowe
elementy wykonawcze
fault diagnosis
power control
power generation
turbines
fuzzy modeling
fault tolerant systems
Opis:
Przedstawiono układ regulacji turbiny kondensacyjnej odporny na uszkodzenia torów pomiarowych. Opisano działania układu regulacji turbiny kondensacyjnej pracującej w układzie blokowym. Zaprezentowano charakterystykę sygnałów wchodzących do regulatora i metody wykrywania uszkodzeń dla danego toru pomiarowego. Opisano zasadę działania i system diagnostyki dla urządzenia wykonawczego
In this paper described fault tolerant system of regulation of condensing turbine on damages of measuring - tracks. One presented characterization of signals entering to controler and methods of detecting of damages measuring - track and executive device.
Źródło:
Pomiary Automatyka Kontrola; 2006, R. 52, nr 11, 11; 48-50
0032-4140
Pojawia się w:
Pomiary Automatyka Kontrola
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Interaktywny system edukacyjny wprowadzający w zagadnienie sztucznych sieci neuronowych
Interactive educational system introducing into issue of artificial neural networks
Autorzy:
Olszewski, T.
Boniecki, P.
Weres, J.
Powiązania:
https://bibliotekanauki.pl/articles/287816.pdf
Data publikacji:
2005
Wydawca:
Polskie Towarzystwo Inżynierii Rolniczej
Tematy:
sztuczna sieć neuronowa
edukacyjny system informatyczny
modelowanie neuronowe
sztuczna inteligencja
artificial neural network
educational computer system
artificial intelligence
Opis:
Dziedzina sztucznych sieci neuronowych ma swoje źródło w badaniach dotyczących sztucznej inteligencji. Stanowią one próbę naśladowania najważniejszych cech charakteryzujących biologiczne systemy nerwowe. Nazwą „sztuczne sieci neuronowe” (SSN) określa się dziś najczęściej symulatory programowe, umożliwiające modelowanie sieci na komputerach klasy PC. Sztuczne sieci neuronowe pozwalają na modelowanie systemów empirycznych o nieokreślonych zależnościach, trudnych do opisania tradycyjnymi, deterministycznymi metodami. Mają również zdolność generalizacji i uogólniania. Dzięki swym cechom SSN znajdują zastosowanie w rozwiązywaniu różnych problemów w wielu, niepowiązanych z sobą dziedzinach, jak: finanse, medycyna czy inżynieria rolnicza. Celowe jest więc wykonanie informatycznego systemu edukacyjnego, który pozwoli w łatwy i przystępny sposób zapoznać użytkownika z tematyką modelowania neuronowego.
The domain of artificial neural networks has its own source in the research of artificial intelligence. Artificial neural networks (ANN) are trying to imitate the most important features which represent the biological nervous systems. Nowadays in most cases the name of “artificial neural networks” define as programming simulators which allows the modeling of networks on PC computers. ANN permits to modeling empirical systems which have indefinable relationships and are hard to present in a traditional deterministic methods. They have as well the ability to generalize. Owing to its features, ANN applies in resolving variety of problems in many totally different areas, like: finances, medicine or agricultural engineering. It is purposeful to prepare educational informatics system which allows a user to get closer to subjects of neural modeling in easy and accessible way.
Źródło:
Inżynieria Rolnicza; 2005, R. 9, nr 8, 8; 293-298
1429-7264
Pojawia się w:
Inżynieria Rolnicza
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Koncepcja symulatora nawigacyjnego planowania podróży z wykorzystaniem modelu neuronowego układu napędu statku
The concept of a navigational travel planning simulator using the neural model of the propulsion system of the ship
Autorzy:
Rudzki, K.
Powiązania:
https://bibliotekanauki.pl/articles/344237.pdf
Data publikacji:
2017
Wydawca:
Uniwersytet Morski w Gdyni. Wydawnictwo Uniwersytetu Morskiego w Gdyni
Tematy:
modelowanie
sztuczne sieci neuronowe
układ napędu statku
symulator
nawigacyjne planowanie podróży
modeling
artificial neural networks
ship propulsion system
simulator
navigational travel planning
Opis:
W artykule przedstawiono koncepcję symulatora nawigacyjnego planowania podróży, zbudowanego na bazie programu nawigacyjnego OpenCPN. Poprzez dodatkowy plug-in możliwości programu zostaną rozszerzone o moduł do planowania i symulacji trasy żeglugi z uwzględnieniem warunków meteorologicznych panujących na akwenie. Pozycja statku na potrzeby symulacji trasy będzie wyznaczana na podstawie przyjętego kursu zgodnie z zaplanowaną trasą oraz prędkości wyliczanej przez sztuczną sieć neuronową z uwzględnieniem warunków meteorologicznych.
The article presents the concept of a navigation simulator for travel planning based on the OpenCPN navigation program. Through an additional plug-in the program capabilities will be extended with a module for planning and simulating shipping routes taking into account meteorological conditions on the basin. The position of the ship for the simulation of the route will be determined on the basis of the accepted course of the ship, according to the planned route and velocity calculated by the artificial neural network, taking into account the forecasted meteorological conditions.
Źródło:
Prace Wydziału Nawigacyjnego Akademii Morskiej w Gdyni; 2017, 32; 84-90
1730-1114
Pojawia się w:
Prace Wydziału Nawigacyjnego Akademii Morskiej w Gdyni
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Mathematical modelling of thermal processes by the use of regression and neural models
Autorzy:
Rusinowski, H.
Plis, M.
Powiązania:
https://bibliotekanauki.pl/articles/240114.pdf
Data publikacji:
2018
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
mathematical model
empirical functions
neural modeling
regression modeling
model matematyczny
funkcje empiryczne
modelowanie neuronowe
Opis:
The paper presents a description of used methods and exemplary mathematical models which are classified into theoretical-empirical models of thermal processes. Such models encompass equations resulting from the laws of physics and additional empirical functions describing processes for which analytical models are complex and difficult to develop. The principle of developing, advantages and disadvantages of presented models as well as quality prediction assessment were presented. Mathematical models of a steam boiler, a steam turbine as well as a heat recovery steam generator were described. Exemplary calculation results were presented and compared with measurements.
Źródło:
Archives of Thermodynamics; 2018, 39, 3; 111-127
1231-0956
2083-6023
Pojawia się w:
Archives of Thermodynamics
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Minimising backbreak at the Dewan Cement limestone quarry using an artificial neural network
Minimalizacja zasięgu kruszenia złoża poza obszarem prac strzałowych w kamieniołomie wydobywającym wapień do produkcji cementu w Dewan, przy wykorzystaniu sztucznych sieci neuronowych
Autorzy:
Muhammad, K.
Shah, A.
Powiązania:
https://bibliotekanauki.pl/articles/219371.pdf
Data publikacji:
2017
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
sieci neuronowe
zasięg kruszenia
analiza wrażliwości
modelowanie
projektowanie robót strzałowych
kamieniołom
neural network
backbreak
sensitivity analysis
modeling
blast design
quarry
Opis:
Backbreak, defined as excessive breakage behind the last row of blastholes in blasting operations at a quarry, causes destabilisation of rock slopes, improper fragmentation, minimises drilling efficiency. In this paper an artificial neural network (ANN) is applied to predict backbreak, using 12 input parameters representing various controllable factors, such as the characteristics of explosives and geometrical blast design, at the Dewan Cement limestone quarry in Hattar, Pakistan. This ANN was trained with several model architectures. The 12-2-1 ANN model was selected as the simplest model yielding the best result, with a reported correlation coefficient of 0.98 and 0.97 in the training and validation phases, respectively. Sensitivity analysis of the model suggested that backbreak can be reduced most effectively by reducing powder factor, blasthole inclination, and burden. Field tests were subsequently carried out in which these sensitive parameters were varied accordingly; as a result, backbreak was controlled and reduced from 8 m to less than a metre. The resulting reduction in powder factor (kg of explosives used per m3 of blasted material) also reduced blasting costs.
Kruszenie części złoża poza obszarem prowadzonych prac strzałowych oznacza nadmierne pękanie skał poza ostatnim rzędem otworów strzałowych w trakcie prac w kamieniołomach i prowadzi do destabilizacji górotworu poprzez zmianę nachylenia warstw skalnych, powoduje niepotrzebną fragmentację skał i obniża efektywność prac wiertniczych. W pracy tej wykorzystano sztuczną sieć neuronową (ANN) do przewidywania zasięgu kruszenia dalszej części złoża przy wykorzystaniu 12 parametrów wejściowych. Parametry te opisują różne zmienne czynniki, np. charakterystyka materiału wybuchowego czy przyjęty plan prac strzałowych w kamieniołomie Deewan w regionie Hattar w Pakistanie. Prowadzono proces uczenia sieci dla różnej architektury modelu, wybrano model 12-2-1 ANN, jako model najprostszy, zapewniający najlepszy wynik a współczynniki korelacji uzyskane dla fazy uczenia i walidacji wyniosły odpowiednio 0.98 i 0.97. Przeprowadzona analiza wrażliwości modelu wykazała że zasięg kruszenia dalszych części złoża obniżyć można poprzez zmianę parametrów ładunku strzelniczego, zmianę nachylenia otworów strzałowych oraz zmianę przybitki. Badania terenowe w czasie których ulegały zmianie wartości wyżej wymienionych wrażliwych parametrów wykazały, że zasięg kruszenia złoża poza obszarem prac strzałowych ograniczono z uprzednich 8 m do wielkości poniżej jednego metra. Obniżenie współczynnika charakteryzującego ładunek (kg zastosowanego materiału wybuchowego przypadający na 1 m3 rozkruszonego materiału skalnego) pozwoliło także na obniżenie kosztów prac strzałowych.
Źródło:
Archives of Mining Sciences; 2017, 62, 4; 795-806
0860-7001
Pojawia się w:
Archives of Mining Sciences
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Model procesu sortowania obiektów przy wykorzystaniu podejścia neuronowego
Модель процесу сортування об`єктів з використанням нейропідходу
The model of objects’ sorting process by using neuro approach
Autorzy:
Lotysh, J.
Powiązania:
https://bibliotekanauki.pl/articles/408026.pdf
Data publikacji:
2015
Wydawca:
Politechnika Lubelska. Wydawnictwo Politechniki Lubelskiej
Tematy:
automatyczna kontrola
sieci neuronowe
modelowanie komputerowe
automatic control
neural networks
computer simulation
Opis:
W artykule zaproponowane zostały imitacyjne komputerowe modele sortowania za pomocą normalnego trybu pracy oraz trybu neuronowego. Na podstawie modelu opracowano algorytm oraz otrzymane oprogramowanie, które implementuje system kontroli sortowania obiektów za pomocą wykorzystania podejścia neuronowego.
В роботі пропонуютьcя імітаційні комп’ютерні моделі сортування зі звичайним режимом роботи та з режимом нейроуправління. На базі моделі розроблено алгоритм та отримано програмне забезпечення, яке реалізує систему управління сортуванням об`єктів з використанням нейропідходів.
Imitational sorting computer models with ordinary operating regime and with neurooperating regime are proposed in the article. On the basis of the model the algorithm is developed and the software is received, which realizes the system of sorting operating of the objects by using neuro approaches.
Źródło:
Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska; 2015, 4; 92-98
2083-0157
2391-6761
Pojawia się w:
Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Modeling of fuel consumption using artificial neural networks
Modelowanie zużycia paliwa przy pomocy sztucznych sieci neuronowych
Autorzy:
Witaszek, Kazimierz
Powiązania:
https://bibliotekanauki.pl/articles/329548.pdf
Data publikacji:
2020
Wydawca:
Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
Tematy:
fuel consumption
modeling
artificial neural network
SNNS
OBDII data
zużycie paliwa
modelowanie
sztuczne sieci neuronowe
dane OBDII
Opis:
The article presents a model of operational fuel consumption by a passenger car from the B segment, powered by a spark ignition engine. The model was developed using artificial neural networks simulated in the Stuttgart Neural Network Simulator (SNNS) package. The data for the model was obtained from longterm operational tests, during which data from the engine control unit were recorded via the OBDII diagnostic interface. The model is based on neural networks with two hidden layers, the size of which was selected using an original iterative algorithm. During the structure selection process, a total of 576 different networks were tested. The analysis of the obtained test errors made it possible to select the optimal structure of the 6-19-17-1 model. The network input values were: vehicle speed and acceleration, road slope, throttle opening degree, selected gear number and engine speed. The networks were trained using the efficient RPROP method. A correctly trained network, based on the set parameters, was able to forecast the instantaneous fuel consumption. These forecasts showed a high correlation with the measured values. Average fuel consumption calculated on their basis was close to the real value, which was calculated on the basis of two consecutive fuelings of the vehicle.
W artykule przedstawiono model eksploatacyjnego zużycia paliwa przez samochód osobowy z segmentu B, zasilany silnikiem o zapłonie iskrowym. Model opracowano przy wykorzystaniu sztucznych sieci neuronowych, których działanie symulowano w pakiecie Stuttgart Neural Network Simulator (SNNS). Dane do modelu pozyskano z długotrwałych badań eksploatacyjnych, podczas których rejestrowano przez interfejs diagnostyczny OBDII dane pochodzące z jednostki sterującej silnikiem. Model oparto na sieciach neuronowych o dwu warstwach ukrytych, których wielkość dobrano przy pomocy autorskiego, iteracyjnego algorytmu. Podczas procesu doboru struktury przebadano łącznie 576 różnych sieci. Analiza uzyskanych błędów testowania pozwoliła na wybór optymalnej struktury modelu 6-19-17-1. Wielkościami wejściowymi sieci były: prędkość i przyspieszenie pojazdu, nachylenie drogi, stopień otwarcia przepustnicy, numer wybranego biegu oraz prędkość obrotowa silnika. Sieci uczono przy użyciu wydajnej metody RPROP. Poprawnie nauczona sieć na podstawie zadanych parametrów była w stanie prognozować chwilowe zużycie paliwa. Prognozy te wykazywały wysoką korelację ze zmierzonymi wartościami. Obliczone na ich podstawie średnie zużycie paliwa było zbliżone do rzeczywistej wartości, którą obliczono na podstawie dwu kolejnych tankowań pojazdu.
Źródło:
Diagnostyka; 2020, 21, 4; 103-113
1641-6414
2449-5220
Pojawia się w:
Diagnostyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Modelling and Analysis of the Synergistic Alloying Elements Effect on Hardenability of Steel
Autorzy:
Sitek, Wojciech
Trzaska, Jacek
Gemechu, W. F.
Powiązania:
https://bibliotekanauki.pl/articles/2203932.pdf
Data publikacji:
2022
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
hardenability
artificial neural networks
multiple regression
steel alloy
modelling and simulation
hartowność
sztuczne sieci neuronowe
regresja wielokrotna
stal
modelowanie i symulacja
Opis:
The paper presents a methodology of modeling relationships between chemical composition and hardenability of structural alloy steels using computational intelligence methods, that are artificial neural network and multiple regression models. Particularly, the researchers used unidirectional multilayer teaching method based on the error backpropagation algorithm and a quasi-newton methods. Based on previously known methodologies, it was found that there is no universal method of modeling hardenability, and it was also noted that there are errors related to the calculation of the curve. The study was performed on large set of experimental data containing required information on about the chemical compositions and corresponding Jominy hardenability curves for over 400 data steel heats with variety of chemical compositions. It is demonstrated that the full practical usefulness of the developed models in the selection of materials for particular applications with intended performance in the area of application.
Źródło:
Archives of Foundry Engineering; 2022, 22, 4; 102--108
1897-3310
2299-2944
Pojawia się w:
Archives of Foundry Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Modelling of moment of friction under increasing load using artificial neural networks
Modelowanie przebiegu momentu tarcia pod narastającym obciążeniem z wykorzystaniem sztucznych sieci neuronowych
Autorzy:
Gocman, K.
Kałdoński, T.
Powiązania:
https://bibliotekanauki.pl/articles/243205.pdf
Data publikacji:
2007
Wydawca:
Instytut Techniczny Wojsk Lotniczych
Tematy:
tribologia
tarcie graniczne
smarność
modelowanie procesów tribologicznych
sztuczne sieci neuronowe
tribology
boundary friction
lubricity
modeling of tribological processes
artificial neural networks
Opis:
Searching models of tribological quantities taking into account every processes proceeded in friction pairs is one of the most important problem in present tribology. Existing models of wear and friction are unfortunately imperfect -they do not reflect every occurrences proceeded in tribological pairs, especially in case of boundary friction. Complicated and nonlinear nature of friction processes force researching of non-analytical models. In view of their properties, the artificial neural networks (ANN) could become very useful instruments. The results preliminary tests on influence of load and rotational speed on moment offriction are presented in this paper. Tests were carried out under increasing load and at the range of rotational speed 500 - 1500 rpm. The analysis of results was elaborated and run of moment offriction on base of artificial neural network was modeled. The different kinds of ANN and different training algorithms were applied to obtain the best quality of built models. In particular the schema of the friction, the moment of the friction in a load function for selected rotational speeds, the structure of the GRNN network, composition experimental data and results of the modelling are illustrated in the paper.
Modelowanie wielkości tribologicznych, uwzględniające wszystkie procesy zachodzące w węźle tarcia jest jednym z najważniejszych zadań współczesnej tribologii. Istniejące modele zużycia i tarcia są niestety niedoskonałe - nie odzwierciedlają one wszystkich zjawisk zachodzących w węźle tarcia, zwłaszcza w wypadku występowania tarcia granicznego. Złożony i nieliniowy charakter procesów zachodzących w węźle tarcia wymusza poszukiwanie modeli innych niż analityczne. Ze względu na swoje właściwości, bardzo użytecznym narzędziem mogą stać się sztuczne sieci neuronowe (SSN). W artykule przedstawiono wstępne wyniki badań wpływu obciążenia i prędkości obrotowej na przebieg momentu tarcia. Badania przeprowadzone zostały przy obciążeniu narastającym płynnie w czasie testu, w zakresie prędkości obrotowych od 500 do 1500 obr/min. Po przeprowadzonej analizie wyników badań, na bazie sztucznych sieci neuronowych zbudowany został model przebiegu momentu tarcia. W czasie modelowania wykorzystano różne rodzaje sieci neuronowych oraz zastosowano różne algorytmy uczące, aby uzyskać jak najlepszą jakość budowanego modelu. W szczególności schemat węzła tarcia, moment tarcia w funkcji obciążenia dla wybranych prędkości obrotowych, struktura sieci GRNN, zestawienie danych eksperymentalnych i wyników modelowania są zilustrowane w artykule.
Źródło:
Journal of KONES; 2007, 14, 2; 171-177
1231-4005
2354-0133
Pojawia się w:
Journal of KONES
Dostawca treści:
Biblioteka Nauki
Artykuł
Wyświetlanie 1-15 z 54

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