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 "sygnał wyjściowy" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-2 z 2
    Tytuł:
    Metoda korekcji zniekształceń dyspersyjnych sygnału wyjściowego czujnika mechanicznych wymuszeń impulsowych
    Method for the correction of dispersive distortion in the output signal of a mechanical impulsive excitation sensor
    Autorzy:
    Kaczmarek, Z.
    Powiązania:
    https://bibliotekanauki.pl/articles/156729.pdf
    Data publikacji:
    2006
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    metoda korekcji zniekształceń dyspresyjnych
    sygnał wyjściowy
    czujnik mechanicznych wymuszeń impulsowych
    method for the correction of dispersive distortion
    output signal
    mechanical impulsive excitation sensor
    Opis:
    W artykule przedstawiono zmodyfikowaną numeryczną metodę korekcji zniekształceń sygnału wyjściowego czujnika mechanicznych wymuszeń impulsowych, wywołanych dyspersją fal w jego elemencie sprężystym. W metodzie wykorzystuje się dyskretne przekształcenie Fouriera próbek czasowych sygnału wyjściowego czujnika i charakterystykę dyspersyjną elementu sprężystego w postaci cylindrycznego pręta. Przedstawiono wyniki korekcji zmierzonych przebiegów odkształceń impulsowych, powstałych w wyniku uderzenia mechanicznego. Metoda umożliwia także symulację zniekształceń dyspersyjnych sygnału wyjściowego czujnika z elastycznym prętem.
    The paper presents a modified numerical method for the correction of the sensor signal's distortion, caused by wave dispersion in its elastic bar. The method is based on the Discrete Fourier Transformation of the time samples of the sensor signal and on the solution of the dispersion equation of the bar, showing the variation of phase velocity with the wavelength for the its first vibration mode. Presented are the results of the correction of the impulsive strains excited by a mechanical impact. The method also allows for the simulation of a dispersive distortion of the sensor signal, based on elastic bar.
    Źródło:
    Pomiary Automatyka Kontrola; 2006, R. 52, nr 4, 4; 7-9
    0032-4140
    Pojawia się w:
    Pomiary Automatyka Kontrola
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Problems of forecasting the length of the assembly cycle of complex products realized in the MTO (make-to-order) model
    Problematyka prognozowania długości cyklu montażu wyrobów złożonych realizowanych w modelu MTO (make-to-order)
    Autorzy:
    Brzozowska, Jolanta
    Gola, Arkadiusz
    Kulisz, Monika
    Powiązania:
    https://bibliotekanauki.pl/articles/31232972.pdf
    Data publikacji:
    2023
    Wydawca:
    Politechnika Rzeszowska im. Ignacego Łukasiewicza. Oficyna Wydawnicza
    Tematy:
    assembly cycle
    machine assembly
    forecasting
    Make-to-Order
    artificial neural networks
    input signal
    output signals
    MatLab
    cykl montażu
    montaż maszyn
    prognozowanie
    produkcja na zamówienie
    sztuczne sieci neuronowe
    sygnały wejściowe
    sygnał wyjściowy
    Opis:
    This article presents the problem of forecasting the length of machine assembly cycles in make-to-order production (Make-to-Order). The model of Make-to-Order production and the technological process of manufacturing the finished product are presented. The possibility of developing a novel method, using artificial intelligence solutions, to estimate machine assembly times based on historical company data on manufacturing times for structurally similar components, is described. It is assumed that the result of the developed method will be an intelligent system supporting efficient and accurate estimation of machine assembly time, ready for implementation in production conditions. Such data as part availability, human resource availability and novelty factor will be used as input data for learning the neural network, while the output variable during learning the neural network will be the actual machine assembly time.
    W niniejszym artykule przedstawiono problem prognozowania długości cyklu montażu maszyn w produkcji na zamówienie (Make-to-Order). Przedstawiony został model produkcji na zamówienie oraz proces technologiczny wytwarzania wyrobu gotowego. Opisana została możliwość opracowania nowatorskiej metody, wykorzystującej rozwiązania z zakresu sztucznej inteligencji, umożliwiającej szacowanie czasu montażu maszyn w oparciu o dane historyczne przedsiębiorstw, dotyczące czasów wytwarzania podobnych konstrukcyjnie elementów. Zakłada się, iż rezultatem opracowanej metody będzie inteligentny system wspomagający skuteczne i dokładne szacowanie czasu montażu maszyn, gotowy do implementacji w warunkach produkcyjnych. Jako dane wejściowe do uczenia sieci neuronowej wykorzystane zostaną takie dane jak: dostępność części, dostępność zasobów ludzkich oraz czynnik nowości, zaś zmienną wyjściową podczas uczenia sieci neuronowej będzie rzeczywisty czas montażu maszyny.
    Źródło:
    Technologia i Automatyzacja Montażu; 2023, 3; 13-20
    2450-8217
    Pojawia się w:
    Technologia i Automatyzacja Montażu
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-2 z 2

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies