Modelowanie rozkładu stopnia zagęszczenia masy formierskiej z wykorzystaniem systemów uczących się

• Autorzy: Biernacki R. , Perzyk M. , Kozłowski J.

Warianty tytułu

EN

Modeling of moulding sand density distribution by learning systems

• Języki publikacji: PL

Abstrakty

PL

Omówiono czynniki wpływające na stopień i równomierność zagęszczania masy w formie prasowanej przy użyciu wysokich nacisków. Przedstawiono analizę zależności między najważniejszymi parametrami tego procesu a właściwościami formy, wykonaną przy użyciu systemu uczącego się, jakim są sztuczne sieci neuronowe.

EN

The effect of high-pressure moulding parameters to density of sand moulds is discussed. The analysis utilises artificial neural networks. The modelling qualities of the neural networks, based on prediction errors and relevant importance factors of input signals are presented.

Słowa kluczowe

PL

masa formierska; gęstość masy; forma prasowana; dokładność wymiarowa; system uczący się

EN

moulding sand; density; squeeze casting; dimensional accuracy; learning system

• Wydawca: Komisja Odlewnictwa Polskiej Akademii Nauk Oddział w Katowicach
• Czasopismo: Archiwum Odlewnictwa
• Rocznik: 2006
• Tom: R. 6, nr 18/2
• Strony: 477--482
• Opis fizyczny: Bibliogr. 5 poz., rys., wykr.

Twórcy

autor

Biernacki R.

• Instytut Technologii Materiałowych Politechniki Warszawskiej, Narbutta 85, 02-524 Warszawa

autor

Perzyk M.

• Instytut Technologii Materiałowych Politechniki Warszawskiej, Narbutta 85, 02-524 Warszawa

autor

Kozłowski J.

• Instytut Technologii Materiałowych Politechniki Warszawskiej, Narbutta 85, 02-524 Warszawa

Bibliografia

• [1] L. Lewandowski: Masy formierskie i rdzeniowe. Wydawnictwo Naukowe PWN, Warszawa 1991.
• [2] S. Waszkiewicz: Wpływ błędów odwzorowania wnęki formy na dokładność wymiarową odlewów. Wydawnictwa Politechniki Warszawskiej, Warszawa 1992.
• [3] J. Szreniawski: Piaskowe formy odlewnicze- podstawy teoretyczne i wytyczne dla praktyki. Wydawnictwa Naukowo-Techniczne, Warszawa 1968.
• [4] M. Perzyk, R. Biernacki, A. Kochański: Modeling of manufacturing processes by learning systems: the naïve Bayesian classifier versus artificial neural networks. Journal of Materials Processing Technology 164-165 (2005) 1430-1435.
• [5] M. Perzyk, A. Kochański, J. Kozłowski: Istotność względna sygnałów wejściowych sieci neuronowej. Wydawnictwo Naukowe AKAPIT, Kraków, tom 3, rok 2003, str. 125-132.