Bazy wiedzy z regułami rozmytymi w predykcji wybranych właściwości warstw wytwarzanych w procesach azotowania gazowego

• Autorzy: Dobrodziej J.

Warianty tytułu

EN

Knowledge bases with fuzzy rules in prediction of selected properties of layers obtained in gas nitriding processes

• Języki publikacji: PL

Abstrakty

PL

W artykule przedstawiono metodykę budowy baz wiedzy zawierających reguły rozmyte wykorzystywane w zadaniach wnioskowania o właściwościach warstw wierzchnich wytwarzanych w procesach cieplno-chemicznych, w szczególności procesach azotowania gazowego. Podstawę prezentowanej metodyki stanowi zintegrowane współdziałanie baz danych oraz modeli sztucznej inteligencji opracowanych z użyciem logiki rozmytej. Przedstawiono struktury danych dedykowane do odwzorowywania parametrów i zależności funkcyjnych kompleksowo charakteryzujących materiał podłoża, środowisko procesowe oraz właściwości warstwy wierzchniej. Na przykładzie wybranych właściwości warstw wierzchnich konstytuowanych w rzeczywistych procesach technologicznych przeprowadzono weryfikację opracowanych modeli komputerowych wnioskowania rozmytego.

EN

The paper presents the methodology of building the knowledge base that includes fuzzy rules used for inference about properties of surface layers obtained in thermochemical processes, in gas nitriding processes in particular. The basis of presented methodology is an integral cooperation between databases and artificial intelligence based on fuzzy logic. Moreover, the paper shows data structures for mapping the parameters and function relations that comprehensively characterise substrate material, process environment and surface layer properties. In order to verify elaborated computer models of fuzzy inference a comparison research was performed on selected properties of surface layers constituted in real technological processes.

Słowa kluczowe

PL

baza wiedzy; proces cieplno-chemiczny; azotowanie gazowe; logika rozmyta; wnioskowanie rozmyte; prognozowanie właściwości; warstwa; powłoka

EN

knowledge base; thermochemical process; fuzzy logic; fuzzy inference; forecasting of properties; layer; coating

• Wydawca: Wydawnictwo Naukowe Instytutu Technologii Eksploatacji - Państwowego Instytutu Badawczego
• Czasopismo: Problemy Eksploatacji
• Rocznik: 2011
• Tom: nr 3
• Strony: 7--18
• Opis fizyczny: Bibliogr. 13 poz., rys., tab., wykr.

Twórcy

autor

Dobrodziej J.

• Instytut Technologii Eksploatacji - Państwowy Instytut Badawczy, Radom,

Bibliografia

• 1. Fauchais P., Montavon G., Vardelle M. , Cedelle J.: Developments in direct current plasma spraying, Surface & Coatings Technology, Volume: 201, Issue: 5, October 25, 2006, pp. 1908-1921.
• 2. Mazurkiewicz A.: Mechanisms of knowledge transformation in the area of advanced technologies of surface engineering, 5th IFHTSE and SMT 20 Congress, 25-29 Semptember 2006, Viena, Austria.
• 3. Szota M., Jasiński J.: Using neural networks application for prediction of parameters of carbonizing process In fluized bed, Inżynieria Materiałowa 6 (166), rok XXIX, listopad-grudzień 2008, s. 877-880, Wydawnictwo Sigma (7 Konferencja Naukowa Inżynieria Powierzchni - INPO2008, 2-5 grudnia 2008, Wisła).
• 4. Parfenov E.V., Yerokhin A.L., Matthews A.: Frequency response studies for the plasma electrolytic oxidation process, Surface & Coatings Technology Volume: 201, Issue: 21, August 25, 2007, pp. 8661-8670.
• 5. Zhou L., Liu G., Ma X.L., Lu K.: Strain-induced refinement in a steel with spheroidal cementite subjected to surface mechanical attrition treatment, Acta Materialia, Volume: 56, Issue: 1, January, 2008, pp. 78-87.
• 6. Ratajski J., Suszko T., Dobrodziej J., Mazurkiewicz A.: Intelligent tools for support of designing in surface treatments, International Federation of Heat Treatment and Surface Engineering (IFHTSE) Congress, Brisbane, Australia, 2007.
• 7. Kanta Abdoul-Fatah, Montavon G., Planche Marie-Pierre, Coddet C.: Artificial neural networks implementation in plasma spray process: Prediction of power parameters and in-flight particle characteristics vs. desired coating structural attributes, Surface & Coatings Technology Volume: 203, Issue: 22, August 15, 2009, pp. 3361-3369.
• 8. Campos I., Islas M., González E., Ponce P., Ramírez G.: Use of fuzzy logic for modeling the growth of Fe2B boride layers during boronizing, Surface & Coatings Technology, Volume: 201, Issue: 6, December 4, 2006, pp. 2717-2723.
• 9. Mazurkiewicz A., Dobrodziej J.: Model of intelligent database in processing of information concering data of constitution of surface layers, 4th CONTECSI - International Conference on Information Systems and Technology Management, Sao Paulo, 30 May-01 July 2007.
• 10. Raport z realizacji Programu Wieloletniego PW-004 „Doskonalenie systemów rozwoju innowacyjności w produkcji i eksploatacji w latach 2004-2008”.
• 11. Ratajski J., Olik R., Suszko T., Dobrodziej J., Michalski J.: Design, Control and in Situ Visualization of Gas Nitriding Processes. Sensors. 2010; 10(1):218-240.
• 12. Mazurkiewicz A., Dobrodziej J., Wojutyński J., Michalski J., Ratajski J.: Model of controlling gas nitriding processes in the precise creation of surface layers with programmed properties”, Proceedings of 17th International Federation of Heat Treatment and Surface Engineering Congress, Journal of the Japan Society for Heat Treatment, Special Issue, Vol. 49, Netsu Shori, Japan, 2009, Coden: NESHDF, pp. 769-772.
• 13. Rutkowski L.: Metody i techniki sztucznej inteligencji, Wydawnictwo Naukowe PWN, Warszawa 2009.