Artificial neural network techniques in cold roll-forming process design

• Autorzy: Downes A. , Hartley P.

Warianty tytułu

PL

Sztuczna siec neuronowa w zastosowaniu do projektowania procesu gięcia profile z blach

• Języki publikacji: EN

Abstrakty

EN

There are several types of Artificial Neural Networks (ANN) each having different capabilities and characteristics that permit a wide range of applications. The purpose of this paper is to review three applications of ANN systems in the context of cold roll-forming process design. A brief description of each system explains the significance of the network architecture and training technique, and emphasizes the importance of selecting the most suitable system for the problem being processed.

PL

Istnieją różne typy sztucznych sieci neuronowych mające różne możliwości i charakterystyki, które pozwalają na szeroki wachlarz ich zastosowań. Celem niniejszego artykułu jest analiza zastosowania trzech systemów opartych na sztucznych sieciach neuronowych, wykorzystywanych do projektowania procesu gięcia profile z blach. W pracy zamieszczony jest krótki opis każdego z systemów, który wyjaśnia istotność przyjętej architektury sieci neuronowej oraz zastosowanej metody uczenia. Szczególny nacisk położono na wykazanie ważności doboru odpowiedniego systemu do projektowanego procesu gięcia.

Słowa kluczowe

EN

artificial neural network; cold roll forming

• Wydawca: Wydawnictwa AGH
• Czasopismo: Computer Methods in Materials Science
• Rocznik: 2008
• Tom: Vol. 8, No. 2
• Strony: 111--120
• Opis fizyczny: Bibligr. 20 poz., rys.

Twórcy

autor

Downes A.

autor

Hartley P.

• School of Mechanical Engineering, University of Birmingham, Edgbaston, Birmingham, B15 2TT, UK,

Bibliografia

• Anderson, J., Rosenfeld, E., 1988, Neurocomputing: Foundations of research, MIT Press, Cambridge, M.A., 18-27.
• AutoCAD Reference Manuals, 1996, AutoLISP programmers reference, AutoDesk Ltd.
• Bishop, C. M., 1995, Neural networks for pattern recognition, Oxford University Press, Oxford.
• Bradbury (UK) Ltd., 2008, www.bradburygroup.net
• Downes, A., Hartley, P., 2006, Using an artificial neural network to assist roll design in cold roll-forming processes, J. Mat. Proc. Techn., 177,319-322.
• Downes, A., Hartley, P., 2006, The use of an artificial neural network to estimate costs in cold roll-forming processes, Computer Methods in Materials Science, 6, 3-4, 203-212.
• Downes, A., Hartley, P., Pillinger, L, 2004, A storage and retrieval system for roll-forming design data using a neural network, Steel GRIPS: Journal of Steel and Related Materials, 2, 235-239.
• Fausett, L. V., 1994, Fundamentals of neural networks: architecture, algorithms and applications, Prentice-Hall.
• Hadley Group (Smethwick), UK., 2008, www.hadleygroup.co.uk
• John, J., Sikdar, S., Kumar Swamy, P., Das, S., Maity, B., 2008, Hybrid neural-GA model to predict and minimise flatness value of hot rolled strips, J. Mat. Proc. Techn., 195, 314-320.
• Kim, H.S., Koc, M., Ni, J., 2007, A hybrid multi-fidelity approach to the optimal design of warm forming processes using a knowledge-based artificial neural network, J. Mat. Proc. Techn., 47, 211-222.
• Kohonen, T., 2001, Self-organizing maps, Springer-Verlag, London.
• Kurkova, V., 1992, Kolmogorov theorem and multilayer neural networks, Neural Networks, 5, 501-506.
• MatLab Reference Manuals, 2000, Neural network toolbox users guide, The Mathworks Inc.
• Ozerdem, M.S., Kolukisa, S., 2008, Artificial neural network approach to predict mechanical properties of hot rolled, nonresulfurized, AISI 10xx series carbon steel bars, J. Mat. Proc. Techn., 199, 437-439.
• Peng, Y., Liu, H., Du, R., 2007, A neural network-based shape control system cold rolling operations, J. Mat. Proc. Techn., doi:10.1016/j.jmatprotec.2007.09.075.
• Powel, M., 1987, Radial basis function for multivariable interpolations, Algorithms for Approximation, Clarendon Press, Oxford, 143-167.
• Riedmiller, M., Braun, H., 1993, A direct adaptive method for faster back-propagation learning - the bprop algorithm, Proc. of IEEE Int. Conf. on Neural Networks, l, 586-591.
• Swingler, K., 1996, Applying neural networks: a practical guide, Academic Press
• Wasserman, P., 1993, Advanced methods in neural computing, Van Nostrand Reinhold.