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 modelling" wg kryterium: Temat

  Lista filtrów
Wyrównaj
Wyświetlanie 1-15 z 64
Tytuł:
A neural-fuzzy approach for fault diagnosis of hybrid dynamical systems: demonstration on three-tank system
Autorzy:
Achbi, Mohammed Said
Kechida, Sihem
Mhamdi, Lotfi
Dhouibi, Hedi
Powiązania:
https://bibliotekanauki.pl/articles/1837950.pdf
Data publikacji:
2021
Wydawca:
Politechnika Białostocka. Oficyna Wydawnicza Politechniki Białostockiej
Tematy:
hybrid dynamic systems
modelling
residual generation
evaluation
monitoring
fault diagnosis
neural - fuzzy approach
Opis:
This work is part of the diagnostic field of hybrid dynamic systems (HDS) whose objective is to ensure proper operation of industrial facilities. The study is initially oriented to the modelling approach dedicated to hybrid dynamical systems (HDS). The objective is to look for an adequate model encompassing both aspects (continuous and event). Then, fault diagnosis technique is synthesised using artificial intelligence (AI) techniques. The idea is to introduce a hybrid version combining neural networks and fuzzy logic for residual generation and evaluation. The proposed approach is then validated on three tank system. The modelling and diagnosis approaches are developed using MATLAB/Simulink environment.
Źródło:
Acta Mechanica et Automatica; 2021, 15, 1; 1-8
1898-4088
2300-5319
Pojawia się w:
Acta Mechanica et Automatica
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Black box efficiency modelling of an electric drive unit utilizing methods of machine learning
Autorzy:
Bauer, Lukas
Stütz, Leon
Kley, Markus
Powiązania:
https://bibliotekanauki.pl/articles/1956031.pdf
Data publikacji:
2021
Wydawca:
Polskie Towarzystwo Promocji Wiedzy
Tematy:
electromobility
powertrain
electric drives
artificial neural network
efficiency modelling
elektromobilność
układ napędowy
napędy elektryczne
sztuczna sieć neuronowa
modelowanie wydajności
Opis:
The increasing electrification of powertrains leads to increased demands for the test technology to ensure the required functions. For conventional test rigs in particular, it is necessary to have knowledge of the test technology's capabilities that can be applied in practical testing. Modelling enables early knowledge of the test rigs dynamic capabilities and the feasibility of planned testing scenarios. This paper describes the modelling of complex subsystems by experimental modelling with artificial neural networks taking transmission efficiency as an example. For data generation, the experimental design and execution is described. The generated data is pre-processed with suitable methods and optimized for the neural networks. Modelling is executed with different variants of the inputs as well as different algorithms. The variants compare and compete with each other. The most suitable variant is validated using statistical methods and other adequate techniques. The result represents reality well and enables the performance investigation of the test systems in a realistic manner.
Źródło:
Applied Computer Science; 2021, 17, 4; 5-19
1895-3735
Pojawia się w:
Applied Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Predictive neural network in multipurpose self-tuning controller
Autorzy:
Bondar, Oleksiy
Powiązania:
https://bibliotekanauki.pl/articles/386771.pdf
Data publikacji:
2020
Wydawca:
Politechnika Białostocka. Oficyna Wydawnicza Politechniki Białostockiej
Tematy:
artificial neural network
adaptive regulator
backpropagation algorithm
system modelling
Opis:
A very important problem in designing of controlling systems is to choose the right type of architecture of controller. And it is always a compromise between accuracy, difficulty in setting up, technical complexity and cost, expandability, flexibility and so on. In this paper, multipurpose adaptive controller with implementation of artificial neural network is offered as an answer to a wide range of tasks related to regulation. The effectiveness of the approach is demonstrated by the example of an adaptive thermostat. It also compares its capabilities with those of classic PID controller. The core of this approach is the use of an artificial neural network capable of predicting the behaviour of controlled object within its known range of parameters. Since such a network, being trained, is a model of a regulated system with arbitrary precision, it can be analysed to make optimal management decisions at the moment or in a number of steps. Network learning algorithm is backpropagation and its modified version is used to analyse an already trained network in order to find the optimal solution for the regulator. Software implementation, such as graphical user interface, routines related to neural network and many other, is done using Java programming language and Processing open-source integrated development environment.
Źródło:
Acta Mechanica et Automatica; 2020, 14, 2; 114-120
1898-4088
2300-5319
Pojawia się w:
Acta Mechanica et Automatica
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Modelowanie neuronowe wybranych obiektów rolniczych z wykorzystaniem superformuły Johana Gielisa
Neuronal modelling of selected agricultural objects with usage of Johan Gieliss supershape
Autorzy:
Boniecki, P.
Olszewski, T.
Powiązania:
https://bibliotekanauki.pl/articles/334299.pdf
Data publikacji:
2008
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:
modelowanie neuronowe
sieć neuronowa
superformuła Johana Gielisa
neuronal modelling
neural network
Johan Gielis's supershape formula
Opis:
Celem pracy było badanie mozliwości klasyfikacyjnych sieci neuronowych w procesie identyfikacji ziarniaków pszenicy, jęczmienia oraz kukurydzy. Wykorzystana metoda separacji polegała na rozpoznawaniu różnic kształtów analizowanych obiektów. W celu identyfikacji kształtu, a następnie zakodowania pozyskanych danych empirycznych do postaci zbiorów uczących, wykorzystano tzw. superformułę zaproponowaną przez Johana Gielisa. Formuła ta pozwala na odwzorowanie dowolnego kształtu za pomocą sześciu niezależnych parametrów.
The aim of the work was to study the classifying possibilities of neural networks in the identification process of the wheat's, barley's and corn's kernel. Applied separation method depended on recognizing the shape differences of analysed objects. In order to identify the shape, and afterwards to encode the obtained empirical data into the training data sets the Johan Gielis's supershape formula was used. This formula permits for projection of any shape with a help of six independent parameters.
Źródło:
Journal of Research and Applications in Agricultural Engineering; 2008, 53, 1; 22-25
1642-686X
2719-423X
Pojawia się w:
Journal of Research and Applications in Agricultural Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
The application of the process modelling of anodic wet-stripping of CrN multi-layer coatings for characteristics prediction
Zastosowanie modelowania do prognozowania przebiegu anodowego rozpuszczania złożonych powłok CrN
Autorzy:
Bujak, J.
Ruta, R.
Trzos, M.
Powiązania:
https://bibliotekanauki.pl/articles/256710.pdf
Data publikacji:
2006
Wydawca:
Sieć Badawcza Łukasiewicz - Instytut Technologii Eksploatacji - Państwowy Instytut Badawczy
Tematy:
powłoka CrN
rozpuszczanie anodowe
modelowanie statystyczne
sztuczna sieć neuronowa
model prognostyczny
multi-layer coating
anodic wet-stripping
statistical modelling
artificial neural network
prognostic model
Opis:
The paper presents the results of experimental research on a process of anodic wet-stripping of CrN multi-layer coatings. The stripping rate was correlated with the coating structure and the current density of the stripping process. The experimental data was statistically analysed and regression models of stripping thickness were created as a function of stripping time. The obtained results indicated that the anodic wet-stripping process can be described by means of linear function only in the case of one-layer coatings. Moreover, the general neural network model was created as a complex model including both quantitative and qualitative variables characterising the wet-stripping process. The developed models enable the estimation of the character and time of the stripping process, depending on the coating thickness, structure and current parameters.
W artykule przedstawiono wyniki badań eksperymentalnych anodowego procesu rozpuszczania złożonych powłok CrN. Uzyskane wyniki poddano analizie statystycznej, w rezultacie której wyznaczono modele regresyjne przebiegu procesu rozpuszczania w funkcji czasu. Ponadto wykorzystując sztuczne sieci neuronowe opracowano kompleksowy model procesu rozpuszczania anodowego. Opracowane modele umożliwiają oszacowanie przebiegu i czasu rozpuszczania w zależności od grubości powłoki oraz zastosowanych parametrów prądowych.
Źródło:
Problemy Eksploatacji; 2006, 4; 7-16
1232-9312
Pojawia się w:
Problemy Eksploatacji
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Robust fault detection and accommodation of the boiler unit using state space neural networks
Odporna detekcja i kompensacja uszkodzeń układu zbiornika przepływowego za pomocą sztucznych sieci neuronwych w przestrzeni stanów
Autorzy:
Czajkowski, A.
Patan, K.
Powiązania:
https://bibliotekanauki.pl/articles/153742.pdf
Data publikacji:
2011
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
model neuronowy w przestrzeni stanów
niepewność
modelowanie błędu modelu
detekcja i kompensacja uszkodzeń
układ walczaka
state space neural networks
uncertainty
model error modelling
fault detection and accommodation
boiler unit
Opis:
The paper deals with application of state space neural network models to fault detection and accommodation of a boiler unit. The work describes two aspects. The first one is the fault detection. In this paper three methods for fault diagnosis, namely: simple and adaptive threshold as well as more robust method which is model error modelling, are described and compared. The second part of the paper presents the approach to fault accommodation based on the so-called instantaneous linearization of the already trained nonlinear state space model of the system. With the obtained linear model it is possible to derive a new control law of the boiler unit in order to eliminate the fault effect in the case of faults. All data used in experiments are collected from the boiler unit simulator implemented in Matlab/Simulink.
Artykuł dotyczy zastosowania modelu sztucznej sieci neuronowej w przestrzeni stanów do wykrywania i kompensacji uszkodzeń w układzie sterowania zbiornikiem przepływowym. Do wykrycia uszkodzenia zostały zaproponowane i doświadczalnie przetestowane trzy metody. Dwie pierwsze metody czyli progowanie proste oraz adaptacyjne polegają na obserwacji sygnału residuum i podejmowaniu decyzji przy przekroczeniu zadanego dopuszczalnego progu przez wartość tego sygnału. Trzecia metoda opiera się na zastosowaniu dodatkowego modelu dynamicznego do modelowania błędu modelu podstawowego w celu określenia zakresu niepewności jego pracy. W przypadku przekroczenia tego zakresu, można uznać, że wystąpiło uszkodzenie. Drugim podjętym przez autorów tematem jest problem kompensacji wykrytego uszkodzenia. W pracy opisuje się podejście oparte na tzw. chwilowej linearyzacji nauczonego w trybie off-line nieliniowego modelu systemu. Na podstawie zlinearyzowanego modelu możliwe jest wyznaczenie nowego prawa sterowania w celu wyeliminowania wpływu uszkodzenia w przypadku wystąpienia awarii. Wszystkie dane wykorzystywane do celów doświadczalnych są zbierane z symulatora zbiornika zrealizowanego w pakiecie Matlab/Simulink.
Źródło:
Pomiary Automatyka Kontrola; 2011, R. 57, nr 11, 11; 1428-1435
0032-4140
Pojawia się w:
Pomiary Automatyka Kontrola
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Experimental study and neural network modelling of aerodynamic and dynamic characteristics of flapping wings micro aerial vehicle
Autorzy:
Czekałowski, P.
Sibilski, K.
Żyluk, A.
Powiązania:
https://bibliotekanauki.pl/articles/242331.pdf
Data publikacji:
2018
Wydawca:
Instytut Techniczny Wojsk Lotniczych
Tematy:
entomopter
flapping wings
aerodynamics
neural network
modelling
aerodynamika
sieć neuronowa
modelowanie
Opis:
The article is close connected with building flying object, that fly like an insect (entomopter). Present work concerns on concept of aerodynamic model using artificial neural networks. Model is used in simulations of flight of entomopter. Aerodynamic model based on experimental data. Necessary data are taken from experiment performed in water tunnel on entomopter model. For this case dynamic test are required. Measurements are ducted during sinusoidal motion of whole model. Modelled object is dipterous. Each wing can perform various spherical motions (wing is rotated around point). The motion of the wing in this case was two-dimensional; it was rotated around two axis. As a model, specially trained neural network is used. For training are used data from measurement. Presented in this article approach is based on artificial neural networks. In this article, innovative concept of model, describing unsteady aerodynamics of entomopter was proposed. It was shown that it could be easily implemented as mathematical model. Unsteady effects related to many state variables can be easily captured. Model can be easily adopted to predict different states of flight by networks training on appropriate data. Test has to reproduce real conditions as close, as it is possible. In reality, it is challenging to design test that will reproduce similar motion.
Źródło:
Journal of KONES; 2018, 25, 4; 49-57
1231-4005
2354-0133
Pojawia się w:
Journal of KONES
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Modelowanie neuronowe w obliczaniu współczynnika przenikania ciepła oraz wymaganej warstwy izolacji przegrody budowlanej
Neural modelling for calculating the heat transfer coefficient and required isolation layer of wall barier
Autorzy:
Dawidowicz, J.
Sidorowicz, W.
Powiązania:
https://bibliotekanauki.pl/articles/402833.pdf
Data publikacji:
2010
Wydawca:
Politechnika Białostocka. Oficyna Wydawnicza Politechniki Białostockiej
Tematy:
straty ciepła
współczynnik przenikania ciepła
modelowanie neuronowe
inteligencja obliczeniowa
warmth losses
heat transfer coefficient
neural modelling
calculation intelligence
Opis:
W referacie przedstawiono zastosowanie sztucznych sieci neuronowych do obliczania współczynnika przenikania ciepła U oraz model odwrotny, polegający na obliczaniu grubości warstwy izolacyjnej przy zadanym współczynniku. Opisano metodykę sporządzenia zbioru uczącego sztuczne sieci neuronowe oraz opisano zbiór przetestowanych sieci neuronowych. Metody sztucznej inteligencji, w tym sztuczne sieci neuronowe, pozwalają uwzględnić w obliczeniach wiele zjawisk i procesów trudnych do opisu matematycznego ze względu na swoją nieliniowość, stąd uzyskane modele neuronowe będą uzupełniane w przyszłości o dodatkowe parametry obliczeniowe.
The report presents the usage of artificial neural networks to calculate heat transfer coefficient U and the opposite model, which consists on calculating the thickness of the isolation layer with given coefficient. The methodology of making a set teaching artificial neural networks and the set of tested neural networks were described. The methods of artificial intelligence, including neural networks, let include in calculations many phenomena and processes hard to describe mathematically because of their nonlinearity, so obtained neural models will be completed by additional computable parameters in future.
Źródło:
Budownictwo i Inżynieria Środowiska; 2010, 1, 1; 17-24
2081-3279
Pojawia się w:
Budownictwo i Inżynieria Środowiska
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Modelowanie neuronowe w zastosowaniu do oceny zarządzania bezpieczeństwem informacji w logistyce
Application of the neural modelling in the assessment of information security management in logistics
Autorzy:
Dębicka, E.
Świderski, A.
Powiązania:
https://bibliotekanauki.pl/articles/1378317.pdf
Data publikacji:
2014
Wydawca:
Polskie Wydawnictwo Ekonomiczne
Tematy:
zarządzanie bezpieczeństwem informacji
modelowanie neuronowe
usługi logistyczne
information security management
neural modelling
logistics services
Opis:
Proper management of the information security is an important issue affecting the quality of logistical services delivery. The article presents selected aspects of mathematical modelling of conducting its expert evaluation. The presented method of assessment is based on the use of artificial neural networks.
Źródło:
Gospodarka Materiałowa i Logistyka; 2014, 5; 19-24
1231-2037
Pojawia się w:
Gospodarka Materiałowa i Logistyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Development of a neural statistical model for the prediction of relative humidity levels in the region of Rabat-Kenitra, North West Morocco
Autorzy:
El Azhari, Kaoutar
Abdallaoui, Badreddine
Dehbi, Ali
Abdalloui, Abdelaziz
Zineddine, Hamid
Powiązania:
https://bibliotekanauki.pl/articles/2174362.pdf
Data publikacji:
2022
Wydawca:
Instytut Technologiczno-Przyrodniczy
Tematy:
artificial neural network
ANN
learning algorithm
multi-layer perceptron
MLP
modelling
Rabat-Kenitra
relative humidity
Opis:
This article accounts for the development of a powerful artificial neural network (ANN) model, designed for the prediction of relative humidity levels, using other meteorological parameters such as the maximum temperature, minimum temperature, precipitation, wind speed, and intensity of solar radiation in the Rabat-Kenitra region (a coastal area where relative humidity is a real concern). The model was applied to a database containing a daily history of five meteorological parameters collected by nine stations covering this region from 1979 to mid-2014. It has been demonstrated that the best performing three-layer (input, hidden, and output) ANN mathematical model for the prediction of relative humidity in this region is the multi-layer perceptron (MLP) model. This neural model using the Levenberg-Marquard algorithm, with an architecture of [5-11-1] and the transfer functions Tansig in the hidden layer and Purelin in the output layer, was able to estimate relative humidity values that were very close to those observed. This was affirmed by a low mean squared error (MSE) and a high correlation coefficient (R), compared to the statistical indicators relating to the other models developed as part of this study.
Źródło:
Journal of Water and Land Development; 2022, 54; 13--20
1429-7426
2083-4535
Pojawia się w:
Journal of Water and Land Development
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Prediction of Mechanical Properties of Woven Fabrics by ANN
Autorzy:
Elkateb, Sherien N.
Powiązania:
https://bibliotekanauki.pl/articles/2171977.pdf
Data publikacji:
2022
Wydawca:
Sieć Badawcza Łukasiewicz - Instytut Biopolimerów i Włókien Chemicznych
Tematy:
ANN
artificial neural network
mechanical properties
prediction performance
modelling
woven fabric
Opis:
This study aims to obtain an accurate prediction model of mechanical properties of woven fabric to achieve customer satisfaction. Samples of plain woven fabric were produced from different yarn counts and blend ratios of cotton and polyester of weft yarn at different weft densities. Mechanical properties such as tensile strength, bending stiffness and elongation% in both the warp and weft directions were tested. The prediction model was based on Artificial Neural Networks (ANNs). For each model, thirty-nine samples were used for training and fifteen for testing prediction performance. Findings indicated that the ANN achieved a perfect performance in predicting all properties.
Źródło:
Fibres & Textiles in Eastern Europe; 2022, 4 (151); 54--59
1230-3666
2300-7354
Pojawia się w:
Fibres & Textiles in Eastern Europe
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Modelling values of river macrophyte metrics using artificial neural networks
Autorzy:
Gebler, D.
Kayzer, D.
Budka, A.
Szoszkiewicz, K.
Powiązania:
https://bibliotekanauki.pl/articles/60958.pdf
Data publikacji:
2012
Wydawca:
Polska Akademia Nauk. Stowarzyszenie Infrastruktura i Ekologia Terenów Wiejskich PAN
Tematy:
modelling value
river
macrophyte
river ecology
metrics
artificial neural network
water quality
Opis:
The results of field research at 230 river sections located throughout Poland were used to examine the possibility of predicting values of macrophyte metrics of ecological status. Artificial intelligence methods such as artificial neural networks were used in the modelling. The physicochemical parameters of water (alkalinity, conductivity, nitrate and ammonium nitrogen, reactive and total phosphorus, and biochemical oxygen demand) were used as the explanatory (modelling) variables. The explained (modelled) parameters were the Polish MIR (Macrophyte Index for Rivers), the British MTR (Mean Trophic Rank) and the French IBMR (River Macrophytes Biological Index). The quality of the constructed models was assessed using the normalized root mean square error (NRMSE) and the r–Pearson’s linear correlation coefficient between variables modelled by the networks and calculated on the basis of the botanical research. These analyses demonstrated that the network modelling MIR values had the highest accuracy. The lowest prediction accuracy was obtained for MTR and IBMR indices. The differences between particular models are likely to result from better adjustment of the Polish method to local rivers (particularly in terms of indicator species used).
Źródło:
Infrastruktura i Ekologia Terenów Wiejskich; 2012, 1/IV
1732-5587
Pojawia się w:
Infrastruktura i Ekologia Terenów Wiejskich
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Application of artificial neural networks in tribology - prediction and classification models
Autorzy:
Gocman, K.
Kałdoński, T.
Powiązania:
https://bibliotekanauki.pl/articles/244086.pdf
Data publikacji:
2009
Wydawca:
Instytut Techniczny Wojsk Lotniczych
Tematy:
tribology
boundary friction
ubricity
modelling of tribological processes
artificial neural networks
Opis:
The influence of load and rotational speed on wear and moment of friction is presented in this paper. The tests were carried out under both constant and increasing load and at wide range of rotational speed. During the tests moment offriction, oil temperature and weather conditions were registered. On the basis of obtained results neural models for prediction of wear, moment of friction and friction classifiers were created. The different kinds of artificial neural networks and different training algorithms were applied in order to obtain the best generalisation and quality of created models. All researches showed that artificial neural networks are useful as prediction and classification models. Because of too small teaching data models were limited only to two inputs - load and rotational speed and one output — wear, moment offriction or state. The best models achieved very good precision — testing error lower than 5%. It was also proved, that various types of networks have different usefulness for different applications. MLP networks turned out to be the best wear models, GRNN networks gave the best results as models of moment offriction and RBF networks were proved to be the best classifiers. To obtain model which will give better characterization of processes proceeded in tribological pairs, much more experiments to increase teaching data have to be conducted.
Źródło:
Journal of KONES; 2009, 16, 1; 137-144
1231-4005
2354-0133
Pojawia się w:
Journal of KONES
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Neural networks as a friction classifiers
Sieci neuronowe jako klasyfikatory tarcia
Autorzy:
Gocman, K.
Kałdoński, T.
Powiązania:
https://bibliotekanauki.pl/articles/257827.pdf
Data publikacji:
2007
Wydawca:
Sieć Badawcza Łukasiewicz - Instytut Technologii Eksploatacji - Państwowy Instytut Badawczy
Tematy:
tarcie graniczne
zatarcie
modelowanie procesów tarcia
sztuczna sieć neuronowa
boundary friction
seizure
modelling of friction processes
artificial neural network
Opis:
Preliminary results of the influence of load and rotational speed on the moment of friction and wear of a tribological pair are presented in the paper. Tests were carried out at rotational speeds of about 100-2000 rpm and loads of about 500-6000 N. During the tests, the moment of friction, oil temperature and weather conditions were registered. After the tests, the conditions of the wear of tribological pairs were measured. The analysis of results was developed, and a friction classifier was built using artificial neural networks (ANN). The different training algorithms were applied to obtain the best quality models.
W artykule przedstawiono wstępne wyniki badań wpływu obciążenia i prędkości obrotowej na wartość momentu tarcia i zużycie pary ciernej. Badania przeprowadzono w szerokim zakresie obciążeń (500-6000 N) i prędkości obrotowych (100-2000 obr./min). W czasie pomiarów rejestrowano wartość momentu tarcia, temperaturę środka smarnego oraz warunki otoczenia. Po zakończeniu testów wyznaczono zużycie elementów pary ciernej. Po przeprowadzonej analizie wyników, na bazie sztucznych sieci neuronowych zbudowano klasyfikator tarcia. W czasie budowy modeli zastosowano różne algorytmy uczące, tak aby uzyskać jak najlepszą jakość klasyfikatorów.
Źródło:
Problemy Eksploatacji; 2007, 4; 111-118
1232-9312
Pojawia się w:
Problemy Eksploatacji
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
Wyświetlanie 1-15 z 64

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