Modelowanie za pomocą sztucznych sieci neuronowych zmian właściwości warstwy wierzchniej biomateriałów

• Autorzy: Szota M. , Jasiński J. , Jeziorski L. , Lubas M.

Warianty tytułu

EN

Modeling changes of properties of surface layer of biomaterials by means artificial neural networks

• Języki publikacji: PL

Abstrakty

PL

W publikacji przedstawiono sposób projektowania struktury sieci neuronowej stosowanej do modelowania procesów obróbki cieplno-chemicznej biomateriałów w złożu fluidalnym. Artykuł ten prezentuje model neuronowy stosowany do właściwości warstwy wierzchniej biomateriałów. Proces ten jest dość skomplikowany, ponieważ jest wieloparametryczny i posiada nieliniowe charakterystyki. Fakt ten oraz brak algorytmów matematycznych opisujących ten proces czynią modelowanie, właściwości warstwy wierzchniej biomateriałów, za pomocą tradycyjnych metod numerycznych trudne, a czasami niemożliwe. W tym przypadku celowa jest próba zastosowania sztucznych sieci neuronowych. Struktura sieci neuronowej jest projektowana oraz budowana poprzez dobór parametrów wejściowych oraz wielkości modelowanych - parametrów wyjściowych. Przedstawione zostaną metody uczenia, oraz testowania sieci neuronowej, sposoby ograniczenia liczebności struktury sieci oraz błędu uczenia i testowania. Tak przygotowany model neuronowy, po zadaniu oczekiwanych wartości parametrów warstwy wierzchniej na wyjście, dostarczy wiele informacji na temat przebiegu procesu nawęglania w złożu fluidalnym. Model neuronowy może być zastosowany do budowy systemu sterującego, kontrolującego w czasie rzeczywistym przebiegu procesu, który będzie również wspierał decyzję inżynierską. Praca przedstawia odmienną koncepcję uzyskiwania oczekiwanych właściwości warstwy wierzchniej biomateriałów po obróbce cieplno-chemicznej w złożu fluidalnym. Odpowiednio przygotowany model sieci neuronowej może być stosowany do projektowania procesów cieplno-chemicznych w złożu fluidalnym oraz kontroli przebiegu tych procesów.

EN

In his publication is presented manner of designed structure of neural networks and using it for modelling of oxidations process in fluidized bed. This paper presents neural network model used for designing the properties of surface layer after thermo-chemical processes of fluidized bed. This process is very complicated and difficult as multi-parameters changes are non linear. This fact and lack of mathematical algorithms describing this process makes modelling properties of biomaterials by traditional numerical methods difficult or even impossible. In this case it is possible to try using artificial neural network. The neural network structure is designed and prepared by choosing input and output parameters of process. The method of learning and testing neural network, the way of limiting nets structure and minimizing learning and testing error are discussed. Such prepared neural network model, after putting expected values of parameters of surface layer in output layer, can give answers to a lot of questions about running heat treatment in fluidized bed. The neural network model can be used to built control system capable of on-line controlling running process and supporting engineering decision in real time. This paper presents different conception to obtain assumed material's properties of surface layer of biomaterials after heat treatment in fluidized bed. The specially prepared neural networks model could be a help for engineering decisions and may be used in designing thermo-chemical process in fluidized bed as well as in controlling changes of this process.

Słowa kluczowe

PL

biomateriały; sieci neuronowe

EN

biomaterials; neural network

• Wydawca: Polish Society for Biomaterials in Cracow
• Czasopismo: Engineering of Biomaterials
• Rocznik: 2007
• Tom: Vol. 10, no. 67-68
• Strony: 45--47
• Opis fizyczny: Bibliogr. 15 poz., rys.

Twórcy

autor

Szota M.

• Politechnika Częstochowska, Wydział Inżynierii Procesowej, Materiałowej i Fizyki Stosowanej, Instytut Inżynierii Materiałowej, Zakład Biomateriałów i Inżynierii Powierzchni, 42-200 Częstochowa, al. Armii Krajowej 19, Poland

autor

Jasiński J.

• Politechnika Częstochowska, Wydział Inżynierii Procesowej, Materiałowej i Fizyki Stosowanej, Instytut Inżynierii Materiałowej, Zakład Biomateriałów i Inżynierii Powierzchni, 42-200 Częstochowa, al. Armii Krajowej 19, Poland

autor

Jeziorski L.

• Politechnika Częstochowska, Wydział Inżynierii Procesowej, Materiałowej i Fizyki Stosowanej, Instytut Inżynierii Materiałowej, Zakład Biomateriałów i Inżynierii Powierzchni, 42-200 Częstochowa, al. Armii Krajowej 19, Poland

autor

Lubas M.

• Politechnika Częstochowska, Wydział Inżynierii Procesowej, Materiałowej i Fizyki Stosowanej, Instytut Inżynierii Materiałowej, Zakład Biomateriałów i Inżynierii Powierzchni, 42-200 Częstochowa, al. Armii Krajowej 19, Poland

Bibliografia

• [1] J. Jasinski, Oddziaływanie złoża fluidalnego na procesy nasycania dyfuzyjnego warstwy wierzchniej stali, Wydawnictwo WIPMiFS. Częstochowa 2003
• [2] J. Jasiński, L. Jeziorski; M. Kubara, Carbonitriding of steel in fluidized beds, Heat Treatment of Metals, Vol. 12, nr 2, 1988
• [3] S. Osowski, Sieci neuronowe do przetwarzania informacji, Oficyna Wydaw. Politechniki Warszawskiej; Warszawa 2003
• [4] L. Rutkowski Sieci neuronowe i neurokomputery, Wydawnictwo Politechniki Częstochowskiej, Częstochowa, 1996
• [5] J. Trzaska, L.A. Dobrzanski, Applicatian of neural networks for designing the chemical composition of steel with the assumed hardness after cooling from the austenitising temperature, Journal of Materials Processing Technology 164-165, 2005
• [6] W. Sitek, L.A. Dobrzanski, Application of genetic method in materials' design; Journal of Materials Processing Technology 164-165, 2005
• [7] L A. Dobrzanski, M. Kowalski, J. Madejski, Methodology of the mechanical properties prediction for the metallurgical products from the engineering steels using the Artificial Intelligence methods, Journal of Materials Processing Technology 164-165, 2005
• [8] Z. Rogalski, Obróbka cieplna fluidalna - stan techniki, cześć 1, Inżynieria Powierzchni nr 2; Warszawa 2000
• [9] T. Babul, A. Nakonieczny, Z. Obuchowicz, D. Orzechowski, J. Jasinski, L. Jeziorski, T. Fraczek. R. Torbus, Przemysłowe zastosowanie wizualizacji i sterowania komputerowego piecami do obróbki cieplnej i cieplno-chemicznej, Inżynieria Materiałowa; nr 5, 2002
• [10] J. Jasinski, L. Jeziorski, T. Fraczek, R. Torbus, P. Chrzastek, T. Babul, A. Nakonieczny, Z. Obuchowicz, Komputerowy system sterowania i wizualizacji procesami F-A/O-D w wersji laboratoryjnej, Inżynieria Materiałowa, nr 5, 2002
• [11] J. Jasinski, System wizualizacji i sterowania procesów obróbki cieplno-chemicznej w wersji laboratoryjnej, Biuletyn Automatyki ASTOR, Automatyka, Sterowanie i Organizacja Produkcji, Kraków 2004
• [12] S. Haykin, Neural networks, a comprehensive foundation, Macmillan College Publishing Company, New York, 1994
• [13] Joon-Sik Son, Duk-Man Lee, III-Soo Kim, Seung-Gap Choi, A study on on-line learning neural networks for prediction for rolling force in hot-rolling mill, Journal of Materials Processing Technology 164-165, 2005
• [14] Svietlicznyj D., Pietrzyk M., On-line Model of Thermal Roll Profile during Hot Rolling, Metall. Foundry Eng., 1, 27, 2001
• [15] J. Kusiak, Pietrzyk M., Svietlicznyj D., Application of artificial neural network in on-line control of hot flat rolling processes, Int. Journal Engineering Simulation, 1, 3, 2000