Temat: zastosowanie sieci neuronowych - Katalog OPAC zbiorów

Skocz do pozycji: 1.

Tytuł:: Zastosowanie sieci neuronowych do określania stanu obciążenia wirnika nośnego
Applying neural networks to assess the loading of lifting rotor
Autorzy:: Stanisławski, J.
Powiązania:: https://bibliotekanauki.pl/articles/212443.pdf
Data publikacji:: 2006
Wydawca:: Sieć Badawcza Łukasiewicz - Instytut Lotnictwa
Tematy:: zastosowanie sieci neuronowych
stan obciążenia wirnika nośnego
applying neural networks
loading of a lifting rotor
Opis:: Zastosowanie sieci neuronowej umożliwi, na podstawie łatwiej dostępnych danych pomiarowych jak predkość lotu oraz wychylenia sterownic, określanie wartości parametrów trudniejszych do pomiaru, które w czasie normalnej eksploatacji śmigłowca nie są rejestrowane. Zadanie bieżącej kontroli obciążeń wirnika oraz oceny poziomu zapasu do osiągnięcia ograniczeń eksploatacyjnych może przejąć sieć neuronowa. Wyniki działania wytrenowanych sieci neuronowych wyznaczających amplitudy i wartości średnie momentu sterowania łopatą i momentu gnącego korpus piasty przedstawiono w formie wykresów rozrzutu wartości obliczeniowych w zestawieniu z wartościami oszacowania danego parametru dokonanego przez sieci.
The application of a neural network will enable, through more accessible measurable data such as flight velocity and deflection of the flight controls, the evaluation of parameter values more difficult to measure, which are not registered during standard operation of the helicopter. The task of continuous estimation of loads and reserves to obtain maximum operating conditions, can be performed by a neural network. The results of neural networks signifying amplitudes and average values of the blade pitch control moment and rotor hub bending moment are presented in the form of charts of the distribution of simulated data in comparison witch values from the estimate of a given parameter performed by the network.
Źródło:: Prace Instytutu Lotnictwa; 2006, 1-2 (184-185); 203-214
0509-6669
2300-5408
Pojawia się w:: Prace Instytutu Lotnictwa
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 2.

Tytuł:: Application of neural networks to acceleration control of electric wheelchair
Zastosowanie sieci neuronowych do sterowania przyspieszenia elektrycznych wózków dla inwalidów
Autorzy:: Bojarczyk, P.
Goryca, Z.
Powiązania:: https://bibliotekanauki.pl/articles/159948.pdf
Data publikacji:: 2006
Wydawca:: Sieć Badawcza Łukasiewicz - Instytut Elektrotechniki
Tematy:: wózek elektryczny
wózek inwalidzki
sieci neuronowe
zastosowanie sieci neuronowych
sterowanie
przyspieszenie
electric wheelchair
neural networks
acceleration control
Opis:: In this paper the acceleration block of controlling software of electric wheelchair has been presented. This acceleration block was implemented with the use of MLP and neurofuzzy networks. For the sake of moderate throughput of microcontroller being used to implementation of this software, the network of smaller structure (neurofuzzy) has been chosen to realization.
Artykuł omawia oprogramowanie bloku sterowania przyspieszenia wózka inwalidzkiego. Blok ten wdrożono przy użyciu MLP i sieci neuronowej rozmytej. Dla moderacji przepustowości użytego mikrosterownika do wdrożenia tego oprogramowania wybrano do realizacji sieć o mniejszej konstrukcji (neuro-rozmytą).
Źródło:: Prace Instytutu Elektrotechniki; 2006, 229; 87-95
0032-6216
Pojawia się w:: Prace Instytutu Elektrotechniki
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 3.

Tytuł:: Application of Artificial Neural Networks in Modeling of Manufactured Front Metallization Contact Resistance for Silicon Solar Cells
Zastosowanie sztucznych sieci neuronowych w modelowaniu rezystancji kontaktu wytwarzanej przedniej metalizacji krzemowych ogniw słonecznych
Autorzy:: Musztyfaga-Staszuk, M.
Honysz, R.
Powiązania:: https://bibliotekanauki.pl/articles/356591.pdf
Data publikacji:: 2015
Wydawca:: Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:: computational material science
artificial neural networks
silicon solar cell
selective laser sintering
screen printing
co-firing in the furnace
zastosowanie sztucznych sieci neuronowych
krzemowe ogniwa słoneczne
selektywne spiekanie laserowe
sitodruk
wypalanie w piecu
Opis:: This paper presents the application of artificial neural networks for prediction contact resistance of front metallization for silicon solar cells. The influence of the obtained front electrode features on electrical properties of solar cells was estimated. The front electrode of photovoltaic cells was deposited using screen printing (SP) method and next to manufactured by two methods: convectional (1. co-fired in an infrared belt furnace) and unconventional (2. Selective Laser Sintering). Resistance of front electrodes solar cells was investigated using Transmission Line Model (TLM). Artificial neural networks were obtained with the use of Statistica Neural Network by Statsoft. Created artificial neural networks makes possible the easy modelling of contact resistance of manufactured front metallization and allows the better selection of production parameters. The following technological recommendations for the screen printing connected with co-firing and selective laser sintering technology such as optimal paste composition, morphology of the silicon substrate, co-firing temperature and the power and scanning speed of the laser beam to manufacture the front electrode of silicon solar cells were experimentally selected in order to obtain uniformly melted structure well adhered to substrate, of a small front electrode substrate joint resistance value. The prediction possibility of contact resistance of manufactured front metallization is valuable for manufacturers and constructors. It allows preserving the customers’ quality requirements and bringing also measurable financial advantages.
Artykuł przedstawia zastosowanie sztucznych sieci neuronowych do predykcji rezystancji przedniej metalizacji w krzemowych ogniwach słonecznych. Oceniono wpływ tak wytworzonej elektrody przedniej na własności elektryczne ogniw fotowoltaicznych. Przednią elektrodę ogniw fotowoltaicznych naniesiono metodą sitodruku SP (ang. Screen Printing) i następnie wytwarzano dwoma metodami: konwencjonalną (1. wypalanie w piecu taśmowym) i niekonwencjonalną (2. selektywne spiekanie laserowe). Do wyznaczenia rezystancji elektrod przednich zastosowano metodę linii transmisyjnych TLM (ang. Transmission Line Model). Sztuczne sieci neuronowe zostały opracowane z wykorzystaniem pakietu Statistica Neural Network firmy Statsoft. Opracowane sztuczne sieci neuronowe umożliwią modelowanie rezystancji wytworzonej przedniej metalizacji i ułatwią lepszy dobór parametrów produkcji. Następujące zalecenia technologiczne sitodruku połączonego z wypalaniem w piecu i selektywnym spiekaniem laserowym takie jak optymalny skład pasty, morfologię podłoża krzemowego, temperaturę wypalania oraz moc i prędkość skanowania wiązki laserowej, do wytworzenia przedniej elektrody krzemowych ogniw słonecznych dobrano eksperymentalnie celem uzyskania celem uzyskania jednolicie stopionej struktury dobrze przylegającej do podłoża, małej wartości rezystancji połączenia elektrody przedniej z podłożem. Możliwość estymacji rezystancji przedniej metalizacji jest wartościowa dla producentów i konstruktorów. Pozwala ona na dotrzymanie wymagań klienta i przynosi wymierne zyski.
Źródło:: Archives of Metallurgy and Materials; 2015, 60, 3A; 1673-1678
1733-3490
Pojawia się w:: Archives of Metallurgy and Materials
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Informacja

Wyszukujesz frazę "zastosowanie sieci neuronowych" wg kryterium: Temat

Źródło danych

Dostawca treści

Kolekcja

Rok wydania

Wydawca

Temat

Autor

Typ dokumentu

Język