Ograniczanie wyników
Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 1

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
PL
Wyznaczenie momentu gnącego i współczynnika sprężynowania w przypadku gięcia profili skrzynkowych jest utrudnione, ze względu na deformację przekroju poprzecznego giętego elementu. Do rozwiązania tego problemu wykorzystano Perceptron Wielowarstwowy - model z grupy Sztucznych Sieci Neuronowych (SSN). Sieć trenowano na danych eksperymentalnych zawierających parametry materiałowe (podawane na wejście sieci) oraz parametry procesu gięcia (podawane na wyjściu sieci). Zbiór uczący obejmował dane pomiarowe zebrane podczas gięcia profili o różnych wymiarach. Przeprowadzony eksperyment dowiódł, że model oparty na sieci neuronowej może być wykorzystywany do wyznaczenia parametrów gięcia.
EN
Spring-back coefficient and bending moment prediction in the case of box profile bending process causes some problems because of cross-sectional distortion. To solve these problems Multilayer Perceptron type artificial neural network (ANN) was applied. Multilayer Perceptron (MLP) was trained using measured process data of box profile bending. Mechanical properties were given as the inputs and the bending process parameters as the outputs of the MLP. The data set consisted of different geometry steel box profile. The experiment confirmed that this model is a valid alternative for the quick responsible method for main bending parameters determination.
first rewind previous Strona / 1 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.