This paper describes the application of Trefftz method to the steady-state heat conduction problem on the functionally gradient materials. Since the governing equation is expressed as the non-linear Poisson equation, it is difficult to apply the ordinary Trefftz method to this problem. For overcoming this difficulty, we will present the combination scheme of the Trefftz method with the computing point analysis method. The inhomogeneous term of the Poisson equation is approximated by the polynomial of the Cartesian coordinates to determine the particular solution related to the inhomogeneous term. The solution of the problem is approximated with the linear combination of the particular solution and the T-complete functions of the Laplace equation. The unknown parameters are determined so that the approximate solution will satisfy the boundary conditions by means of the collocation method. Finally, the scheme is applied to some numerical examples.
2
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
W artykule przedstawiono wyniki prac badawczych związanych z zastosowanie narzędzi i technik Data Mining w analizie procesu spalania. Sztuczne sieci neuronowe zostały przeanalizowane, szczególnie w aspekcie przyszłego modelowania, optymalizacji, kontroli i sterowania procesu spalania. Klasyfikacja wielkości cząsteczek zarejestrowanych typowymi technikami diagnostyki laserowej (PDA i PIV) została dokonana w oparciu o wcześniej zaproponowany model. Zbiór danych użyty do analizy pochodził z uzyskanych w naszej grupie badawczej pomiarów rzeczywistej komory spalania. Wstępne wyniki badań zostały przeanalizowane w odniesieniu do efektów późniejszych modyfikacji architektury sieci neuronowej.
EN
The paper presents results of some combustion process investigations with applications of Data Mining tools and techniques. For the purpose of future simulation, optimisation or control of the combustion process artificial neural networks and their performance were tested. Phase Doppler Anemometry (PDA) and Particle Image Velocimetry (PIV) droplet size classification and prediction were analysed based on previously proposed model. The data set used for the analysis was measured in a practical combustion burner in our research group. Preliminary results were discussed together with further improvement of previously applied network's performance by its architecture modification.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.