Wykorzystanie sztucznych sieci neuronowych do prognozowania poziomu montowalności stanowiska montażowego

• Autorzy: Kluz R. , Trzepieciński T.

Warianty tytułu

EN

Application of artificial neuronal networks to prediction of the assembly level of assembly stand

• Języki publikacji: PL

Abstrakty

PL

W artykule przedstawiono problematykę określania poziomu montowalności stanowiska montażowego z wykorzystaniem sieci neuronowych. Za pomocą programu Statistica Neural Networks wyznaczono zestaw najlepszych sieci. Uzyskane na ich podstawie wyniki porównano z wynikami badań eksperymentalnych i klasycznego modelowania matematycznego. Na tej podstawie dobrano odpowiednią strukturę sieci neuronowej dającej możliwość prognozowania poziomu montowalności z najwyższą dokładnością.

EN

Problems with defining an assembly level of the assembly stand with application of neuronal networks are presented in this article. A set of best networks was defined using the Statistical Neural Networks software. The obtained results were compared with the experimental investigation result and classical mathematical modelling. This comparison allowed selecting the most suitable structure of neuronal network that enables to predict the assembly level with the highest precision.

Słowa kluczowe

PL

montaż; stanowiska montażowe; poziom montowalności

EN

assembly; assembly stand; assembly level

• Wydawca: Oficyna Wydawnicza Politechniki Rzeszowskiej ; Sieć Badawcza Łukasiewicz - Warszawski Instytut Technologiczny
• Czasopismo: Technologia i Automatyzacja Montażu
• Rocznik: 2015
• Tom: nr 1
• Strony: 9--12
• Opis fizyczny: Bibliogr. 11 poz., rys., tabl.

Twórcy

autor

Kluz R.

• Katedra Technologii Maszyn i Inżynierii Produkcji, Politechnika Rzeszowska, 35-959 Rzeszów, al. Powstańców Warszawy 12

autor

Trzepieciński T.

• Katedra Technologii Maszyn i Inżynierii Produkcji, Politechnika Rzeszowska, 35-959 Rzeszów, al. Powstańców Warszawy 12.

Bibliografia

• 1. Kluz R.: Badania teoretyczne i eksperymentalne montowalności części cylindrycznych. Technologia i Automatyzacja Montażu, 2008, nr 1, s. 8–11.
• 2. Cho N., Tu J.F.: Quantitative circularity tolerance analysis and design for 2D precision assemblies. International Journal of Machine Tools and Manufacture Volume: 42, Issue: 13, October, 2002, 1391-1401.
• 3. Kluz R.: Montowalność czopowo-tulejowych połączeń realizowanych przez roboty montażowe. Technologia i Automatyzacja Montażu, 2007, nr 2, s. 17–20.
• 4. Kluz R.: Wyznaczanie optymalnej konfiguracji zrobotyzowanego stanowiska montażowego. Archiwum Technologii Maszyn i Automatyzacji, 2009, vol. 29, nr 2.
• 5. Ossowski S.: Sieci neuronowe w ujęciu algorytmicznym. WNT, Warszawa 1996.
• 6. Patterson D.W.: Artificial Neural Networks —Theory and Applications. Prentice-Hall, Englewood Cliffs, 1998.
• 7. StatSoft Inc.: Manual of STATISTICA Neural Networks Software. StatSoft Inc., Tulsa, 1998.
• 8. Frącz W., Trzepieciński T.: Prognozowanie deformacji powtryskowych wyprasek za pomocą sztucznych sieci neuronowych. Progresywne Technologie i Materiały. Politechnika Lubelska, 2010, 26–35.
• 9. Trzepieciński T.: Zastosowanie regresji wielokrotnej i sieci neuronowej do modelowania zjawiska tarcia. Zeszyty Naukowe Wyższej Szkoły Informatyki w Łodzi. Teoria i zastosowania informatyki. 2010, nr 2, 31–43.
• 10. Myers R.H., Montgomery D.C., Anderson C.M.: Response surface methodology process and product optimization using designed experiments. John Wiley and Sons Inc., New York, 2009.
• 11. Garret J.H., Gunarathan D.J., Ivezic N. In: Kartam N., Flood I. (Eds.): Artificial Neural Networks for Civil Engineers: Fundamentals and Applications. ASCE New York, 1997, 1–17.