Wyniki wyszukiwania - BazTech

1

Optymalizacja nastaw układu napędowego statku zer śrubą nastawną

Rudzki K., Tarełko W.

Logistyka

|

2014

|

nr 6

1103--1108, CD 2

PL

W artykule przedstawiono metodę budowania wspomaganego komputerowo systemu doboru nastaw układu napędowego statku ze śrubą nastawną. Jego głównymi elementami są modele funkcjonalne powią- zujące zmienne wyróżnionego procesu decyzyjnego oraz model decyzyjny wyboru optymalnych nastaw. Do budowy modeli funkcjonalnych wykorzystano metodę sztucznych sieci neuronowych. Model te zostały wykorzystane, jako funkcje kryterialne do budowy modelu optymalizacji dwukryterialnej z ograniczeniami.

EN

This paper deals with a method of building the computer aided-system for settings of en-gine ship propulsion with the controllable pitch propeller. The main system components are functional models connecting model variables of the distinguished decisionmaking process and a decision-making model of selecting the optimal propulsion settings. To build the functional models, the method of artificial neural networks has been selected. These models have been taken as objective functions for building of the two-objective optimization model with limitations.

2

Dane wejściowe sztucznych sieci neuronowych prognozujących krótkoterminowe zapotrzebowanie na energię

Jasiński T.

Logistyka

|

2014

|

nr 6

14285--14290, CD 6

PL

Opracowanie porusza bardzo istotną z punktu widzenia funkcjonowania gospodarki kwestię zapotrzebowania na energię elektryczną. W obecnych czasach problem ten jest istotny zarówno przy analizach w skali makroekonomicznej, jak i zagadnieniach związanych z funkcjonowaniem pojedynczych podmiotów. Problem dostaw energii może być analizowany oddzielnie w zależności od terminu zaspokojenia popytu. W opracowaniu szczególny nacisk został położony na analizy krótkoterminowe. Jednym z głównych zagadnień, które decyduje o ilości dostarczanej energii jest prognoza jej zapotrzebowania. W pracy przedstawiono systemy przewidujące krótkoterminowy popyt w oparciu o sztuczne sieci neuronowe. Analiza skupiła się na wyborze optymalnych zmiennych wejściowych modelu, z uwzględnieniem narzędzi analizy technicznej i budowy zmiennych objaśniających uwypuklających trendy panujące na rynku energii z uwzględnieniem cyklicznego charakteru tego rynku. W pracy opisano także możliwość użycia analizy wieloczęstotliwościowej celem polepszenia wyników prognoz.

EN

The paper focuses on very important, from the point of view of the economy, the issue of electricity demand. Nowadays this problem is important both for macroeconomic analysis, as well as issues related to the functioning of individual entities. The problem of energy supply can be analyzed separately depending on the time to meet demand. In this study, particular emphasis was placed on short-term analysis. One of the main issues that determines the amount of energy supplied is forecast its demand. The paper presents a system providing short-term demand based on artificial neural networks. The analysis focused on the selection of the optimal input variables, including technical analysis tools and the construction of variables showing trends in the energy market, taking into account the cyclical nature of the market. The paper also describes the possibility of using multiresolution analysis to improve the results of forecasts.

3

Zastosowanie sztucznych sieci neuronowych do kształtowania właściwości materiału polimerowego z przeznaczeniem dla transportu szynowego

Garbarski J., Fabijański M.

Problemy Kolejnictwa

|

2012

|

Z. 154

47-59

PL

Sztuczne sieci neuronowe znajdują szerokie zastosowanie w różnych dziedzinach techniki. Moda na to potężne narzędzie informatyczne nie ominęła także transportu kolejowego, gdzie jest stosowane w diagnostyce, prognozowaniu, optymalizacji. Można je również z powodzeniem stosować do poszukiwania materiałów spełniających odpowiednie kryteria, łącząc ze sobą kilka cech materiałowych takich, jak na przykład właściwości mechaniczne i palne. Materiały polimerowe dostępne na rynku często nie spełniają wysokich wymagań pod względem właściwości palno-dymowych, zatem konieczne jest dodawanie do nich odpowiednich środków (uniepalniaczy), poprawiających tę cechę materiałową, ale znacznie pogarszających właściwości mechaniczne. Takim popularnym materiałem reprezentującym ogromną grupę tworzyw styrenowych o szerokich zastosowaniach w budowie taboru szynowego, jest polistyren wysokoudarowy. Uzyskanie wieloskładnikowej, trudnopalnej mieszaniny tworzywowej na bazie polistyrenu wysokoudarowego (HIPS) jest trudne i pracochłonne. W celu znalezienia potencjalnie najlepszego składu, byłoby konieczne przeprowadzenie wielu prób technologicznych. W związku z tym, do rozszerzenia obszaru poszukiwań składu mieszaniny w celu uzyskania najlepszych właściwości zarówno mechanicznych, jak i palno-dymowych, wykorzystano sztuczne sieci neuronowe. W artykule przedstawiono zastosowanie tych sieci do określenia właściwego składu materiału spełniającego wymagania palnościowe dla materiałów stosowanych w transporcie szynowym.

EN

Artificial neural networks find wide application in various fields of engineering. This trend to use such powerful information technology tool was not avoided by the railway transport either. Therefore, it is used in diagnosis, forecasting, and optimization. It may be successfully used when searching materials satisfying certain criteria and combining good mechanical and non-flammability properties. Quite often, commercially available polymers do not meet with high requirements regarding non-flammability and smoke production properties. Therefore, it is necessary to use proper additives (anti-flammability agents) to achieve desired properties, however, they deteriorate mechanical strength considerably. High Impact Polystyrene (HIPS) is common representative of large group of styrenes and is widely used in the rolling stock construction. Slow-burning plastic compound based on high impact polystyrene (HIPS) is difficult and laborious to obtain. Extensive research is necessary to find potentially most favourable composition. Consequently, artificial neural networks (ANN) have been used to broaden the area of search for such composition that features satisfactory mechanical, non-flammable and low smoke production properties. The paper presents the use of neural networks for the determination of proper composition to satisfy non-flammability properties of the materials used in railway transport.

4

Neuronowy system optymalizacji wyniku sportowego zawodników uprawiających chód sportowy

Przednowek K., Wiktorowicz K.

Metody Informatyki Stosowanej

|

2011

|

nr 4

189-200

EN

In this paper a system constructed on the basis of data obtained from workout of race walking athletes has been presented. The system’s main objective is to define the optimal level of workout load so that the athlete achieves the determined result over the distance of 5 km. The system has been built using artificial neural networks implemented in the Statistica 10 software. The networks perform two tasks, i.e. they generate workout scheme and predict the result. The system has an advisory nature and plays the role of a tool supporting coach’s decision making.