Neural identification of earthmoving machinery's productivity

• Autorzy: Hoła B. , Schabowicz K.

Warianty tytułu

PL

Neuronowa identifikacja wydajności zestawów maszyn do robót ziemnych

• Języki publikacji: EN

Abstrakty

EN

This paper deals with application of artificial neural networks to the identification of the productivity of earthmoving machinery consisting of excavators and haulers.Studies of cycle times for selected sets of machines were carried out. A feed-forward multilayer error back propagation network with a conjugate gradient algorithm was constructed using data, such as the technical parameters of the machinery, the category of the road for hauling the excavated material and the machinery's productivity, obtained from a queuing system model simulating the work of sets of machines. The neural network was used for productivity prediction. A methodology for the neural identification of productivity and the results showing the selected neural network as suitable for this purpose are presented.

PL

Przedstawiono zastosowanie sztucznych sieci neuronowych do identyfikacji wydajności zestawów maszyn do robót ziemnych składających się z koparek i środków transportowych. Przeprowadzono badania czasu operacji roboczych wykonywanych przez wybrane zestawy maszyn. Do budowy sieci neuronowej wykorzystano dane dotyczące parametrów technicznych maszyn pracujących w zestawie kategorii drogi, po której przewożony był urobek oraz wydajności zestawów uzyskane z modelu systemu masowej obsługi symulującego pracę zestawu. Do predykcji wydajności zastosowano sieć neuronową wielowarstwową o pięciu wejściach i jednym wyjściu, ze wsteczną propagacją błędów oraz algorytmem gradientów sprzężonych. Artykuł zawiera opracowana metodykę neuronowej identyfikacji wydajności oraz rezultaty świadczące o praktycznej przydatności wybranej sieci neuronowej do identyfikacji zestawów maszyn do robót ziemnych.

Słowa kluczowe

EN

earthwork; productivity; queuing theory; systems of collaborating construction machines; neural networks

PL

sieć neuronowa; wydajność; zestaw maszyn; roboty ziemne; teoria kolejek; system współpracy

• Wydawca: Komitet Inżynierii Lądowej i Wodnej PAN ; Politechnika Warszawska, Wydział Inżynierii Lądowej
• Czasopismo: Archives of Civil Engineering
• Rocznik: 2007
• Tom: Vol. 53, nr 4
• Strony: 697--711
• Opis fizyczny: Bibliogr. 19 poz., il.

Twórcy

autor

Hoła B.

autor

Schabowicz K.

• Institute of Building Engineering, Wrocław University of Technology, Wrocław, Poland,

Bibliografia

• 1. B. FILIPOWICZ, Stochastic models in operations research [in Polish], WNT, Warszawa 1996.
• 2. B. HOŁA, J. MROZOWICZ, Modelling of constructional processes having random character [in Polish], Dolnośląskie Wydawnictwo Edukacyjne, Wrocław 2003.
• 3. D. GROSS, M. H. CARL, Fundamentals of queuing theory. Wiley, 1998.
• 4. O. KAPLIŃSKI, Harmonization of cyclic construction processes from stochastic perspective [in Polish], Poznań University of Technology, Poznań 1987.
• 5. O. KAPLIŃSKI, Modelling of construction processes. A managerial approach, Polska Akademia Nauk, Komitet Inżynierii Lądowej i Wodnej PAN, Studia z zakresu inżynierii, nr 43, Warszawa 1997, 1-175.
• 6. D. G. MARITAS, D. A. XIROCOSTAS, The M/Ek/r machine interference model, European Journal of Operational Research, l, 112-123, 1977.
• 7. J. MROZOWICZ, R. SZCZEPANIAK, Optimisation of selected cyclic work technological systems in earthworks. Methods of designing building structures and construction processes [in Polish], Scientific Papers of the Institute of Building Engineering at Wrocław University of Technology, No. 27, 171-178, Wrocław 1978.
• 8. S. D. SMITH, J. R. OBSBORNE, M. C. FORDE, Analysis of Earth - moving systems using discrete-event simulation, Journal of Civil Engineering and Management, ASCE, 121(4), 388-396, 1995.
• 9. J.J. SHI, A neural network based system for predicting earthmoving production, Construction Management & Economics, 17, 462-471, 1999.
• 10. A. H. BOUSSABAINE, The use of artificial neural networks in construction management: A review, Construction Management & Economics, 14, 427-436, 1996.
• 11. C. M. TAM, T. K. L. TONG, S. L. TSE, Artificial neural networks model for predicting excavator productivity, Construction Management & Architectural Management, 9 (5-6), 446-452, 2002.
• 12. BN-72/8932-01. Road and railway buildings. Earthmoving machinery [in Polish].
• 13. J. HOŁA, K. SCHABOWICZ, Application of artificial neural networks to determine concrete com-pressive strength based on non-destructive tests, Journal of Civil Engineering and Management, 11, l, 23-32, 2005.
• 14. J. HOŁA, K. SCHABOWICZ, Methodology of the neural identification of the strength of concrete, ACI Materials Journal, 102, 6, 459-464, 2005.
• 15. J. HOŁA, K. SCHABOWICZ, New technique of nondestructive assessment of concrete strength using artificial intelligence, NDT & E International, 38, 4, 251-259, 2005.
• 16. B. HOŁA, K. SCHABOWICZ, Applying of artificial neural networks in predicting effectiveness ratio for earthmoving machinery systems [in Polish], Scientific papers of the Institute of Building Engineering of the Wrocław University of Technology "Technology and management in building engineering", 101-108, 2006.
• 17. K. SCHABOWICZ, Neural networks in the NDT identification of the strength of concrete, Archives of Civil Engineering, 51, 3, 371-382, 2005.
• 18. Z. WASZCZYSZYN, Neural Networks in the Analysis and Design of Structures, CISM Courses and Lectures, No. 404, Springer, Wien-New York 1999.
• 19. Z. WASZCZYSZYN, Neural networks in structural engineering: Some recent result and prospects for applications, Computational Mechanics for the New Millennium, S. Valliappan and N. Khalili [Eds], Elsevier, Amsterdam 2001, 1311 -1s.320.