Wykorzystanie sztucznych sieci neuronowych do aproksymowania zużycia korozyjno-mechanicznego

• Autorzy: Zwierzycki W. , Stachowiak M.

Warianty tytułu

EN

Approximation mechanical corosion wear using artificial neural networks

• Konferencja: Tribologia na progu trzeciego tysiąclecia: XXV Jubileuszowa Szkoła Tribologiczna (23-26.09.2002 ; Lądek Zdrój)
• Języki publikacji: PL

Abstrakty

PL

W referacie podjęto próbę zastosowania sztucznych sieci neuronowych do aproksymowania eksperymentalnych wyników zużycia korozyjno-mechanicznego. Opisano specyficzne cechy sieci neuronowych decydujące o ich przydatności w zakresie prognozowania procesów zużyciowych. Przeprowadzono przykładowe obliczenia dla stali 430. Uzyskane rezultaty potwierdzają możliwość wykorzystania metody w praktycznych zastosowaniach oraz dostarczają wskazówek niezbędnych do zwiększenia efektywności i dokładności obliczeń.

EN

In the article we try to show, that neural networks can be useful in approximation corrosive and mechanical wear. The use of neural network is motivated because of their accommodation of non-linearities, interactions, and multiple variables. Neural networks are also tolerant of non complete data. Unlike classic models, which generally require assumptions about the parametric an functional nature of the factors which may or may not be true, neural networks do not require such assumptions and are data-driven models. The neural network architecture for approximation corrosive and mechanical wear, training parameters and stopping criteria were selected through experimentation and examination of preliminary networks trained. A traditional backpropagation learning algorithm was used because it is known as an universal approximator when used with a nonlinear continuous transfer function with at least one hidden layer. The final network architecture had 5 inputs, two hidden layer with 10 and 6 neurons, and a single output. The final network was not able to predict the corrosive and mechanical wear with precision enough for use during production. It is possible to improve efficiency of neural network by using more data in learning process and more experiment with neural network architecture.

Słowa kluczowe

PL

zużycie korozyjno-mechaniczne; sieci neuronowe

EN

corrosive and mechanical wear; neural networks

• Wydawca: Oficyna Wydawnicza Politechniki Wrocławskiej
• Czasopismo: Prace Naukowe Instytutu Konstrukcji i Eksploatacji Maszyn Politechniki Wrocławskiej. Konferencje
• Rocznik: 2002
• Tom: Vol. 87, nr 27
• Strony: 372--377
• Opis fizyczny: Bibliogr. 4 poz.

Twórcy

autor

Zwierzycki W.

autor

Stachowiak M.

• Politechnika Poznańska, Instytut Maszyn Roboczych i Pojazdów Samochodowych, ul. Piotrowo 3, 60-965 Poznań