Zastosowanie narzędzi sztucznej inteligencji do przewidywania pęknięć w próbie SICO

• Autorzy: Godula A. , Kusiak J.

Warianty tytułu

EN

Application of the artificial intelligence methods in prediction of material fracture during the deformation process

• Konferencja: Fizyczne i Matematyczne Modelowanie Procesów Obróbki Plastycznej (FiMM; 14-16.05.2009; Warszawa, Polska)
• Języki publikacji: PL

Abstrakty

PL

W pracy podjęto próbę oceny możliwości zastosowania wybranych narzędzi sztucznej inteligencji do przewidywania pęknięć w procesach plastycznej przeróbki metali na gorąco. Wykorzystano wielowarstwową sztuczną sieć neuronową z logistyczną funkcją aktywacji (MLP - Multilayer Perceptron), sieci o radialnych funkcjach bazowych (RBF - Radial Basis Function), probabilistyczne sieci neuronowe (PNN - probabilistic neural networks) oraz naiwny klasyfikator bayesowski (NBC - Naive Bayes Classifier). Weryfikację opracowanych modeli procesu pękania przeprowadzono w oparciu o analizę wyników próby SICO.

EN

Possibility of application of the artificial intelligence methods to prediction of material failure during hot deformation is the main goal of the work. Developed models are based on the multilayer perceptron (MLP), radial basis function (RBF), Naive Bayes Classifier (NBC) and the probabilistic neural networks (PNN). The model can be used in a simulation of material failure in the SICO test and in a wide range of real industrial processes.

Słowa kluczowe

PL

sztuczna inteligencja; sieci neuronowe; próba SICO

EN

artificial intelligence; neural networks; SICO test

• Wydawca: Oficyna Wydawnicza Politechniki Warszawskiej
• Czasopismo: Prace Naukowe Politechniki Warszawskiej. Mechanika
• Rocznik: 2009
• Tom: z. 226
• Strony: 13--18
• Opis fizyczny: Bibliogr. 14 poz., rys., tab.

Twórcy

autor

Godula A.

autor

Kusiak J.

• Akademia Górniczo-Hutnicza Katedra Informatyki Stosowanej i Modelowania Al. Mickiewicza 30 30-059 Kraków

Bibliografia

• [1] Damm E. B., Yantyne C. J.: Physical Simulation of Thermal/Mechanical Metal-Working Processes. Mat 37 Konf. MWSP, Hamilton 1996, 367-371.
• [2] Kuziak R., Pietrzyk M.: Imterpretation of SICO Test. Iron and Steelmaker, 2002, 39-44.
• [3] Dalnegro T., Forestier R., Masoni E.: Inverse Analysis of the SICO Test Using a Gradient Metod with Semianalytical Derivatives. Mat. Konf. ESAFORM 5, ed., Pietrzyk M., Mitura Z., Kaczmar J., Kraków 2002, 167-170.
• [4] Ferguson D., Chen W., Kuziak R., Zając S.: New Developments in the Field of Physical Simulation of Thermomechanical Processing. Mat. Konf. ESAFORM 5, ed., Pietrzyk M., Mitura Z., Kaczmar J., Kraków 2002, 599-602.
• [5] Jain M., Allin J., Lloyd D. J.: Fracture limit prediction using ductile fracture criteria for forming of an automotive aluminium sheet. International Journal of Mechanical Sciences 41 (1999) 1273-1288.
• [6] Śledzińska A., Talar J., Kusiek J.: Zastosowanie metod sztucznej inteligencji w modelowaniu procesu wytopu miedzi, Informatyka w Technologii Materiałów, Numer 1-2, Tom 5, 2005.
• [7] Tadeusiewicz R., Sieci neuronowe, Akademicka Oficyna Wydawnicza RM,Warszawa, 1993.
• [8] Osowski S.: Sieci neuronowe, Oficyna Wydawnicza Politechniki Warszawskiej, 1996.
• [9] STATISTICA Neural Networks PL, Przewodnik Problemowy, 2001.
• [10] Berrar Daniel P., Downes Stephen C., Dubitzky W.: Multiclass cancer classification using gene expression profiling and probabilistic neural networks.
• [11] Śledzińska A., Kusiak J.. Zastosowanie metod probabilistycznych do przewidywania pęknięć w próbie SICO, FiMM 2007, 13-18.
• [12] Cichosz P.. Systemy uczące się, WNT, Warszawa, 2000.
• [13] Grąbczewski K.: Zastosowanie kryterium separowalności do generowania reguł klasyfikacji na podstawie baz danych, Rozprawa doktorska, Warszawa, 2003.
• [14] Trębacz L., Kuziak R., Pietrzyk M.: Symulacja i interpretacja próby SICO, FiMM 2005, 91-96.