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 "neural element" wg kryterium: Temat

  Lista filtrów
Wyrównaj
Wyświetlanie 1-15 z 18
Tytuł:
Iterative method of neural elements synthesis with generalized threshold activation function
Autorzy:
Geche, F.
Batyuk, A.
Melnyk, O.
Spenyk, T.
Powiązania:
https://bibliotekanauki.pl/articles/410722.pdf
Data publikacji:
2015
Wydawca:
Polska Akademia Nauk. Oddział w Lublinie PAN
Tematy:
neural element
Boolean function
system of characters
structure vector
algorithm of synthesis
Opis:
Present work considers the neural elements (NE) with generalized threshold activation function and represents iterative method of their synthesis. Algorithm of vectors finding for structures of the neural elements with generalized threshold activation function was developed, and the sufficient condition of Boolean function unreliazability on such neural elements was discovered.
Źródło:
ECONTECHMOD : An International Quarterly Journal on Economics of Technology and Modelling Processes; 2015, 4, 4; 37-42
2084-5715
Pojawia się w:
ECONTECHMOD : An International Quarterly Journal on Economics of Technology and Modelling Processes
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
The model of multifunctional neural element of intelligent systems
Autorzy:
MARTYNIUK, Tetiana
KOZHEMIAKO, Andriy
BUDA, Antonina
KUPERSHTEIN, Leonid
Powiązania:
https://bibliotekanauki.pl/articles/457084.pdf
Data publikacji:
2013
Wydawca:
Uniwersytet Rzeszowski
Tematy:
neural element
threshold parallel processing
parallel-pipeline processor
neural network
perсeptron
neural chip
difference cut
programmable logic device
Opis:
The article shows the features of realization of multioperand processing in neural structures on the base of difference cuts, that allow to expand functional capabilities and to reduce time consumptions in neural processing. The structural organization of the parallel-pipeline processor for neural-like vector data processing on the DCs base are proposed. This parallel-pipeline processor on CPLD base are implemented, which allow realize neural chip with a fragment of the neural network layer.
Źródło:
Edukacja-Technika-Informatyka; 2013, 4, 2; 366-371
2080-9069
Pojawia się w:
Edukacja-Technika-Informatyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Optimization of a thin-walled element geometry using a system integrating neural networks and finite element method
Autorzy:
Golewski, P.
Gajewski, J.
Sadowski, T.
Powiązania:
https://bibliotekanauki.pl/articles/351314.pdf
Data publikacji:
2017
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
artificial neural networks
numerical modelling
thin-walled element
Opis:
Artificial neural networks [ANNs] are an effective method for predicting and classifying variables. This article presents the application of an integrated system based on artificial neural networks and calculations by the finite element method [FEM] for the optimization of geometry of a thin-walled element of an air structure. To ensure optimal structure, the structure’s geometry was modified by creating side holes and ribs, also with holes. The main criterion of optimization was to reduce the structure’s weight at the lowest possible deformation of the tested object. The numerical tests concerned a fragment of an elevator used in the “Bryza” aircraft. The tests were conducted for networks with radial basis functions [RBF] and multilayer perceptrons [MLP]. The calculations described in the paper are an attempt at testing the FEM - ANN system with respect to design optimization.
Źródło:
Archives of Metallurgy and Materials; 2017, 62, 1; 435-442
1733-3490
Pojawia się w:
Archives of Metallurgy and Materials
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Fuzzy-neural and evolutionary computation in identification of defects
Neuronowo-rozmyte oraz ewolucyjne obliczenia w identyfikacji defektów
Autorzy:
Burczyński, T.
Orantek, P.
Skrobol, A.
Powiązania:
https://bibliotekanauki.pl/articles/282003.pdf
Data publikacji:
2004
Wydawca:
Polskie Towarzystwo Mechaniki Teoretycznej i Stosowanej
Tematy:
fuzzy neural network
evolutionary algorithm
defect
identification
boundary element method
Opis:
It is known that an elastic body contains some internal defects such as voids, cracks, additional masses, etc. This paper is devoted to a method based on computational intelligence for non-destructive defect identification. In the presented paper, an elastic body loaded statically is considered. The body contains an unknown number of internal defects. There are a lot of applications based on non-destructive methods. The Evolutionary Algorithm (EA) with the Boundary Element method (BEM) is a very effective tool in the identification of internal defects. In this method, the fitness function is calculated for each chromosome in each generation by the BEM. The number of chromosomes in each generation is quite large, and the number of generations is also large, so the time needed to carry out the identification is very long. Methods based on Artificial Neural Networks (ANN) find the position and shape of internal defects in a very short time. Because ANNs are usually trained using gradient methods, the risk that the solution is in a local optimum is one of disadvantages of such a method. There is also a problem when the ANN has to identify two or more different kinds of defects (cracks, voids and additional masses) in one body. In the present method, an EA is connected with the ANN in one system. This operational allows to avoid main disadvantages of these methods and to use their advantages. The evolutionary algorithm is applied to identify the number of defects and their parameters (position and size). The identification of a defect in the body is performed by minimizing the fitness function which is calculated as a difference between measured and computed displacements in some sensor points on the boundary of the investigated structure. The fitness function is computed using an Artificial Neural Network (ANN).
Obiekty techniczne jako układy mechaniczne zawierają różne defekty wewnętrzne takie jak pustki, pęknięcia itp. Artykuł jest poświęcony nieniszczącym metodom identyfikacji defektów opartym na inteligencji obliczeniowej. Rozważane jako ciało sprężyste znajdujące się pod wpływem obciążenia statycznego zawierające nieznaną liczbę defektów wewnętrznych. Istnieje wiele nieniszczących metod identyfikacji defektów wewnętrznych. Jedną z nich jest metoda oparta na Algorytmach Ewolucyjnych (AE) połączonych z Metodą Elementów Brzegowych (MEB). W tej metodzie dla każdego chromosomu w każdym pokoleniu obliczana jest za pomocą MEB funkcja przystosowania. Ponieważ liczba chromosomów w epoce oraz liczba epok jest dosyć duża, zatem czas potrzebny do przeprowadzenia identyfikacji jest znaczący. Metody bazujące na Sztucznych Sieciach Neuronowych (SSN) identyfikują położenie oraz kształt defektów wewnętrznych w bardzo krótkim czasie. SSN są zazwyczaj uczone z wykorzystaniem metod gradientowych. Isnieje zatem spore ryzyko, że uzyskane rozwiązanie utknęło w minimum lokalnym. Wykorzystując SSN napotykamy na spore trudności również w przypadku identyfikacji dwóch lub więcej różnych rodzajów defektów (pęknięć, pustek itp.), które występują jednocześnie w identyfikowanym układzie. W metodzie opisywanej w niniejszym artykule połączono AE oraz SSn w jeden system. Operacja ta pozwoli ustrzec się przed głównymi wadami i uwypuklić zalety obydwu metod. AE identyfikuje liczbę, położenie oraz wymiary defektów. Identyfikacja następuje przez minimalizację funkcji przystosowania, która jest mierzona jako różnica pomiędzy zmierzonymi i obliczonymi przemieszczeniami na brzegu modelu obiektu w punktach kontrolnych. Funkcja przystosowania jest obliczana z wykorzystaniem SSN.
Źródło:
Journal of Theoretical and Applied Mechanics; 2004, 42, 3; 445-460
1429-2955
Pojawia się w:
Journal of Theoretical and Applied Mechanics
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Acoustical Assessment of Automotive Mufflers Using FEM, Neural Networks, and a Genetic Algorithm
Autorzy:
Chang, Y.-C.
Chiu, M.-C.
Wu, M.-R.
Powiązania:
https://bibliotekanauki.pl/articles/177901.pdf
Data publikacji:
2018
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
acoustics
finite element method
genetic algorithm
muffler optimization
polynomial neural network model
Opis:
In order to enhance the acoustical performance of a traditional straight-path automobile muffler, a multi-chamber muffler having reverse paths is presented. Here, the muffler is composed of two internally parallel/extended tubes and one internally extended outlet. In addition, to prevent noise transmission from the muffler’s casing, the muffler’s shell is also lined with sound absorbing material. Because the geometry of an automotive muffler is complicated, using an analytic method to predict a muffler’s acoustical performance is difficult; therefore, COMSOL, a finite element analysis software, is adopted to estimate the automotive muffler’s sound transmission loss. However, optimizing the shape of a complicated muffler using an optimizer linked to the Finite Element Method (FEM) is time-consuming. Therefore, in order to facilitate the muffler’s optimization, a simplified mathematical model used as an objective function (or fitness function) during the optimization process is presented. Here, the objective function can be established by using Artificial Neural Networks (ANNs) in conjunction with the muffler’s design parameters and related TLs (simulated by FEM). With this, the muffler’s optimization can proceed by linking the objective function to an optimizer, a Genetic Algorithm (GA). Consequently, the discharged muffler which is optimally shaped will improve the automotive exhaust noise.
Źródło:
Archives of Acoustics; 2018, 43, 3; 517-529
0137-5075
Pojawia się w:
Archives of Acoustics
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Application of some advanced signal processing techniques for rolling element bearing fault detection
Zastosowanie zaawansowanych metod analizy sygnału w wykrywaniu uszkodzeń elementów tocznych łożysk
Autorzy:
Yiakopoulos, C.
Antoniadis, I.
Powiązania:
https://bibliotekanauki.pl/articles/328017.pdf
Data publikacji:
2005
Wydawca:
Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
Tematy:
diagnostyka łożysk
ślepa separacja sygnałów
sieci neuronowe
defective rolling element bearings
neural networks
Opis:
Vibration response of rotating machines is typically mixed and corrupted by a variety of interfering sources and noise, leading to the necessity for the isolation of the useful signal components. A relevant frequently encountered industrial case is the need for the separation of the vibration responses of the same type of bearings inside the same machine. For this purpose, a Blind Source Separation procedure is applied, based on the maximization of the information transferred in a neural network structure. As has been proven, this approach is quite effective in separating signals with super-Gaussian distributions, as it is the case of the vibration response of defective rolling element bearings. The role of the non-linear sigmoid function used in the neural network of the method is discussed and the Kullback-Leibler information divergence is considered as a tool to adapt this non-linearity to the bearing distributions considered. The effectiveness of the method is demonstrated in an experimental application, where a class of optimum non-linear functions is compared to the classical logistic function.
Sygnał drganiowy maszyn wirujących jest zazwyczaj zakłócony przez interferujące z nim sygnały innych źródeł oraz zakłócenia, co prowadzi do potrzeby ekstrachowania użytecznych składowych takiego sygnału. Często spotykanym w praktyce przemysłowej przypadkiem jest potrzeba separacji sygnałów drganiowych pochodzących od łożysk tego samego typu znajdujących się w tej samej maszynie. Do tego celu zastosowano procedurę ślepej separacji sygnałów wykorzystującą maksymalizację informacji przenoszonej przez strukturę sieci neuronowej. Zostało udowodnione, że w przypadku analizy sygnału wibroakustycznego generowanego przez uszkodzony element łożyska tocznego, takie podejście do separacji sygnałów może być efektywne przy założeniu ich super-gaussowskiego rozkładu. Rozważono możliwość adaptacji nieliniowej funkcji sigmoidalnej i dywergencji informacji Kullback-Leibler'a jako narzędzi wykrywania nieliniowości w sygnałach. W celu dostosowania nieliniowości do rozkładów sygnałów łożysk wykorzystywano nieliniową funkcję sigmoidalną oraz rozbieżność informacji Kullback-Leibler'a. Efektywność przedstawionej metody została zaprezentowana na przykładzie, w którym klasa optymalnych nieliniowych funkcji jest porównywana z klasycznymi funkcją logistyczną.
Źródło:
Diagnostyka; 2005, 36; 33-38
1641-6414
2449-5220
Pojawia się w:
Diagnostyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Application of Artificial Neural Network to Predict the Tensile Properties of Dual-Phase Steels
Autorzy:
Shin, Seung-Hyeok
Kim, Sang-Gyu
Hwang, Byoungchul
Powiązania:
https://bibliotekanauki.pl/articles/2049252.pdf
Data publikacji:
2021
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
artificial neural network
ANN
dual-phase steels
alloying element
microstructural factor
tensile properties
Opis:
An artificial neural network (ANN) model was developed to predict the tensile properties of dual-phase steels in terms of alloying elements and microstructural factors. The developed ANN model was confirmed to be more reasonable than the multiple linear regression model to predict the tensile properties. In addition, the 3D contour maps and an average index of the relative importance calculated by the developed ANN model, demonstrated the importance of controlling microstructural factors to achieve the required tensile properties of the dual-phase steels. The ANN model is expected to be useful in understanding the complex relationship between alloying elements, microstructural factors, and tensile properties in dual-phase steels.
Źródło:
Archives of Metallurgy and Materials; 2021, 66, 3; 719-723
1733-3490
Pojawia się w:
Archives of Metallurgy and Materials
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Experimental and numerical investigation of the deep drawing process for an automobile panel and prediction of appropriate amount of parameters by multi-layer neural network
Autorzy:
Najafabadi, S. S.
Anaraki, A. T.
Moradi, M.
Powiązania:
https://bibliotekanauki.pl/articles/281868.pdf
Data publikacji:
2017
Wydawca:
Polskie Towarzystwo Mechaniki Teoretycznej i Stosowanej
Tematy:
deep drawing
finite element analysis (FEA)
multi-layer artificial neural network (ANN)
Taguchi design
Opis:
In this paper, the deep drawing process of an automobile panel in order to select the appropriate amount of parameters has been investigated. The parameters include friction between the blank and die, blank width and length, blank thickness and gap between the blank and blank-holder. A multi-layer artificial neural network (ANN) trained by finite element analyses (FEA) is applied in order to improve forming parameters and achieve a better quality. As the FEA results are used to train the ANN, the FEA results have been verified by three experiments. Finally, an appropriate amount of each parameter is predicted by the trained ANN and a FEA has been done based on the ANN prediction to evaluate the accuracy of the trained ANN. Moreover, it is shown that the ANN could predict results within a 10 percent error. In addition, the proposed method for prediction of the appropriate parameters (ANN) is confirmed by comparing with the Taguchi design of experiment prediction. It is also shown that the model obtained by the former method has lower errors than the latter one. In this study, the Taguchi model is used to evaluate the effect of parameters on tearing and wrinkling. Based on the Taguchi design of experiment, while the blank length is the most effective parameter on tearing, the maximum height of wrinkles on flanged parts mainly depends on the blank thickness.
Źródło:
Journal of Theoretical and Applied Mechanics; 2017, 55, 2; 707-718
1429-2955
Pojawia się w:
Journal of Theoretical and Applied Mechanics
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Noise Elimination of Reciprocating Compressors Using FEM, Neural Networks Method, and the GA Method
Autorzy:
Chang, Y.-C.
Chiu, M.-C.
Xie, J.-L.
Powiązania:
https://bibliotekanauki.pl/articles/178126.pdf
Data publikacji:
2017
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
finite element method
polynomial neural network model
genetic algorithm
group method of data handling
reciprocating compressor
optimization
Opis:
Industry often utilizes acoustical hoods to block noise emitted from reciprocating compressors. However, the hoods are large and bulky. Therefore, to diminish the size of the compressor, a compact discharge muffler linked to the compressor outlet is considered. Because the geometry of a reciprocating compressor is irregular, COMSOL, a finite element analysis software, is adopted. In order to explore the acoustical performance, a mathematical model is established using a finite element method via the COMSOL commercialized package. Additionally, to facilitate the shape optimization of the muffler, a polynomial neural network model is adopted to serve as an objective function; also, a Genetic Algorithm (GA) is linked to the OBJ function. During the optimization, various noise abatement strategies such as a reverse expansion chamber at the outlet of the discharge muffler and an inner extended tube inside the discharge muffler, will be assessed by using the artificial neural network in conjunction with the GA optimizer. Consequently, the discharge muffler that is optimally shaped will decrease the noise of the reciprocating compressor.
Źródło:
Archives of Acoustics; 2017, 42, 2; 189-197
0137-5075
Pojawia się w:
Archives of Acoustics
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Inverse problem solution with the aid of neural network
Rozwiązanie problemu odwrotnego przy pomocy sieci neuronowych
Autorzy:
Król, K.
Powiązania:
https://bibliotekanauki.pl/articles/159345.pdf
Data publikacji:
2011
Wydawca:
Sieć Badawcza Łukasiewicz - Instytut Elektrotechniki
Tematy:
sieć neuronowa
problem odwrotny
tomografia komputerowa
metoda elementów brzegowych
neural network
inverse problem
computer tomography
boundary element method
Opis:
The paper presents practical application of neural network to solution inverse problem in tomography. Presented are method to detect changes in shape and position of an object inside another object by using tomography. Computed tomography allows direct, non-invasive diagnosis of brain and other intracranial structures. With this method it is possible to detect anomalies.
W pracy przedstawiono praktyczne zastosowanie sieci neuronowych do rozwiązania problemu odwrotnego w tomografii komputerowej. Przedstawiono metody do wykrywania zmian w kształcie i położeniu obiektu wewnątrz innego obiektu. Tomografia komputerowa pozwala na bezpośrednią, nieinwazyjną diagnostykę mózgu i innych struktur wewnątrzczaszkowych. Dzięki tej metodzie możliwe jest wykrywanie zmian.
Źródło:
Prace Instytutu Elektrotechniki; 2011, 251; 117-125
0032-6216
Pojawia się w:
Prace Instytutu Elektrotechniki
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Inverse problem solution using neural network
Rozwiązanie problemu odwrotnego przy użyciu sieci neuronowych
Autorzy:
Król, K.
Powiązania:
https://bibliotekanauki.pl/articles/408770.pdf
Data publikacji:
2012
Wydawca:
Politechnika Lubelska. Wydawnictwo Politechniki Lubelskiej
Tematy:
sieć neuronowa
problem odwrotny w tomografii komputerowej
metoda elementów brzegowych
neural network
inverse problem
computer tomography
boundary element method
Opis:
This paper was presented a practical method of solving inverse problems in tomography using neural networks. The methods to detect changes in the size and position of an object inside another object tomography. Computed tomography allows direct, non-invasive diagnosis of brain and other intracranial structures. With this method it is possible to detect intracerebral hemorrhages, tumors, etc.
W pracy została przedstawiona praktyczna metoda rozwiązania problemu odwrotnego w tomografii przy zastosowaniu sieci neuronowych. Przedstawiono metody do wykrywania zmian w wielkości i położeniu obiektu wewnątrz innego obiektu za pomocą tomografii. Tomografia komputerowa pozwala na bezpośrednie, nieinwazyjne diagnostyki mózgu i innych struktur wewnątrzczaszkowych. Dzięki tej metodzie możliwe jest wykrycie krwotoków śródmózgowych, guzów itp.
Źródło:
Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska; 2012, 1; 9-11
2083-0157
2391-6761
Pojawia się w:
Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Shape Optimisation of Multi-Chamber Acoustical Plenums Using BEM, Neural Networks, and GA Method
Autorzy:
Chang, Y.-C.
Cheng, H.-C.
Chiu, M.-C.
Chien, Y.-H.
Powiązania:
https://bibliotekanauki.pl/articles/177780.pdf
Data publikacji:
2016
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
boundary element method
plenum
centre-opening baffle
polynomial neural network model
group method of data handling
optimisation
genetic algorithm
Opis:
Research on plenums partitioned with multiple baffles in the industrial field has been exhaustive. Most researchers have explored noise reduction effects based on the transfer matrix method and the boundary element method. However, maximum noise reduction of a plenum within a constrained space, which frequently occurs in engineering problems, has been neglected. Therefore, the optimum design of multi-chamber plenums becomes essential. In this paper, two kinds of multi-chamber plenums (Case I: a two-chamber plenum that is partitioned with a centre-opening baffle; Case II: a three-chamber plenum that is partitioned with two centre-opening baffles) within a fixed space are assessed. In order to speed up the assessment of optimal plenums hybridized with multiple partitioned baffles, a simplified objective function (OBJ) is established by linking the boundary element model (BEM, developed using SYSNOISE) with a polynomial neural network fit with a series of real data – input design data (baffle dimensions) and output data approximated by BEM data in advance. To assess optimal plenums, a genetic algorithm (GA) is applied. The results reveal that the maximum value of the transmission loss (TL) can be improved at the desired frequencies. Consequently, the algorithm proposed in this study can provide an efficient way to develop optimal multi-chamber plenums for industry.
Źródło:
Archives of Acoustics; 2016, 41, 1; 43-53
0137-5075
Pojawia się w:
Archives of Acoustics
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Prediction of crack depth and position in vibrating beams using artificial neural networks
Autorzy:
Bouboulas, Athanasios
Nikolakopoulos, Pantelis
Anifantis, Nikolaos
Powiązania:
https://bibliotekanauki.pl/articles/2146739.pdf
Data publikacji:
2022
Wydawca:
Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
Tematy:
crack prediction
contact conditions
finite element method
artificial neural networks
pęknięcia
warunki kontaktu
metoda elementów skończonych
sztuczne sieci neuronowe
Opis:
The aim of this paper is to develop a finite element procedure for crack prediction in vibrating beams. Based on this procedure, full frictional contact conditions are introduced between the crack surfaces in order to consider the breathing of crack. The region surrounding the crack is simulated by two-dimensional finite elements. An incremental-iterative procedure is employed to solve the nonlinear dynamic equations governing this problem. The obtained time response is processed with Fast Fourier Transform to extract its frequency components. The first three natural frequencies are input to a trained Artificial Neural Network for depth and position prediction of the crack. This study is validated for a dynamic loading cantilever beam. It is found that the proposed procedure is capable of predicting the crack depth and position with high accuracy.
Źródło:
Diagnostyka; 2022, 23, 3; art. no 2022307
1641-6414
2449-5220
Pojawia się w:
Diagnostyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Two scales, hybrid model for soils, involving artificial neural network and finite element procedure
Autorzy:
Krasiński, M.
Lefik, M.
Powiązania:
https://bibliotekanauki.pl/articles/178935.pdf
Data publikacji:
2014
Wydawca:
Politechnika Wrocławska. Oficyna Wydawnicza Politechniki Wrocławskiej
Tematy:
soil model
neural network
finite element method
hybrid FE-ANN model
model gleby
sieci neuronowe
metoda elementów skończonych
model hybrydowy FE-ANN
Opis:
A hybrid ANN-FE solution is presented as a result of two level analysis of soils: a level of a laboratory sample and a level of engineering geotechnical problem. Engineering properties of soils (sands) are represented directly in the form of ANN (this is in contrast with our former paper where ANN approximated constitutive relationships). Initially the ANN is trained with Duncan formula (Duncan and Chang [2]), then it is re-trained (calibrated) with some available experimental data, specific for the soil considered. The obtained approximation of the constitutive parameters is used directly in finite element method at the level of a single element at the scale of the laboratory sample to check the correct representation of the laboratory test. Then, the finite element that was successfully tested at the level of laboratory sample is used at the macro level to solve engineering problems involving the soil for which it was calibrated
Źródło:
Studia Geotechnica et Mechanica; 2014, 36, 2; 29-36
0137-6365
2083-831X
Pojawia się w:
Studia Geotechnica et Mechanica
Dostawca treści:
Biblioteka Nauki
Artykuł
Wyświetlanie 1-15 z 18

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