Wyniki wyszukiwania - BazTech

1

Determination of the best microstructure and titanium alloy powders properties using neural network

Duriagina Z. A., Tkachenko R. O., Trostianchyn A. M., Lemishka I. A., Kovalchuk A. M., Kulyk V. V., Kovbasyuk T. M.

Journal of Achievements in Materials and Manufacturing Engineering

|

2018

|

Vol. 87, nr 1

25--31

EN

Purpose: Create a software product using a probabilistic neural network (PNN) and database based on experimental research of titanium alloys to definition of the best microstructure and properties of aerospace components. Design/methodology/approach: The database creation process for artificial neural network training was preceded by the investigation of the granulometric composition of the titanium powder alloys, study of microstructure, phase composition and evaluation of micromechanical properties of these alloys by the method of material plasticity estimation in the conditions of hard pyramidal indenters application. A granulometric analysis was done using a special complex of materials science for the images analysis ImageJ. Metallographic investigations of the powder structure morphology were carried out on the scanning electron microscope EVO 40XVP. Specimens for micromechanical testing were obtained by overlaying the titanium alloy powders on the substrate made of the material close to chemical composition. Substrates were prepared by pressing the powder mixture under the load of 400 MPa and following sintering at 1300°C for 1 hour. Overlaying was performed by an electron gun ELA-6 (beam current – 16 mA). Findings: According to the modelling results, a threshold of the PNN accuracy was established to be over 80%. A high level of experimental data reproduction allows us a full or partial replacement of a number of experimental investigations by neural network modelling, noticeably decreasing, in this case, the cost of the material creation possessing the preset properties with preserved quality. It is expected that this software can be used for solving other problems in materials science too. Research limitations/implications: The accuracy of the PNN algorithm depends on the number of input parameters obtained experimentally and forms a database for the training of the system. For our case, the amount of input data is limited. Practical implications: Previously trained system based on the PNN algorithm will reduce the number of experiments that significantly reduce costs and time to study. Originality/value: A software product on the basis of the PNN network was developed. The training sample was built based on a series of laboratory studies granulometric composition of the titanium powder alloys, study of microstructure, phase composition and evaluation of micromechanical properties of powder materials. The proposed approach allows us to determine the best properties of the investigated material for the design of aerospace components.

2

Wykorzystanie probabilistycznych sieci neuronowych do wyznaczania ryzyka powstania szkód w budynkach poddanych wstrząsom górniczym

Witkowski M., Rusek J.

Przegląd Górniczy

|

2017

|

T. 73, nr 1

44--47

PL

W pracy przedstawiono metodykę pozwalającą na wyznaczenie ryzyka powstania szkód górniczych w budynkach o tradycyjnej konstrukcji murowanej w przypadku silnych wstrząsów górniczych. Podstawą do analiz była baza danych o zgłoszeniach uszkodzeń, jakie wystąpiły po wstrząsach z 20.02.2002 r., 16.05.2004 r. oraz 21.05.2006 r. (LGOM Polkowice) W oparciu o te dane utworzono model klasyfikacyjny w postaci probabilistycznej sieci neuronowej (PNN - Probabilistic Neural Network). Bazując na wynikach wcześniejszych prac, w modelu ujęto konstrukcyjne i geometryczne cechy budynków oraz ich zabezpieczenia przeciwko wstrząsom górniczym. Powstały klasyfikator pozwala na wskazanie prawdopodobieństwa powstania szkody przy zadanym zestawie zmiennych wejściowych. Probabilistyczna notacja modelu daje możliwość efektywnego szacowania prawdopodobieństwa wystąpienia szkody w analizie dużych grup obiektów budowlanych zlokalizowanych w obszarze oddziaływań parasejsmicznych. Pozwolić to może z kolei na oszacowanie, z odpowiednim prawdopodobieństwem, nakładów finansowych, które zakład górniczy powinien zabezpieczyć na usunięcie spodziewanych szkód górniczych.

EN

This paper presents a methodology that allows to determine the risk of mining damage in buildings of conventional brickwork in the case of strong mining tremors. The basis for the analysis was the database on notifications of damage occurring after the upheavals of 20 February 2002, 16 May 2004 and 21 May 2006 (LGOM – Polkowice). Based on these data classification a model in the form of a probabilistic neural network (PNN) was developed. Basing on the results of the previous papers, the model includes structural and geometric characteristics of the buildings and their protection against mining tremors. The probability of damage at a given set of input variables can be indicated owing to the obtained classifier. An efficient way to estimate the probability of damage in the analysis of large groups of buildings located in the area of paraseismic interaction can be obtained by the use of a probabilistic notation model. Due to PNN the financing costs of removing the anticipated mining damage can be estimated with an appropriate probability.

3

Wykorzystanie algorytmów genetycznych do doboru wejść klasyfikatora uszkodzeń zębów kół przekładni opartego na sieci neuronowej PNN oraz krótkoczasowej transformacie Fouriera

Czech P.

Problemy Eksploatacji

|

2007

|

nr 3

51-70

PL

W artykule przedstawiono wyniki prób mających na celu budowę klasyfikatora lokalnych uszkodzeń zębów kół przekładni, opartego na sztucznych sieciach neuronowych. W badaniach wykorzystywano probabilistyczne sieci neuronowe (PNN). Dodatkowo podjęto próbę wykorzystania algorytmów genetycznych do celów wyboru wejść klasyfikatora neuronowego. Badania oparto na sygnałach drganiowych otrzymanych z modelu dynamicznego przekładni pracującej w układzie napędowym. W artykule zaproponowano sposób budowy deskryptorów lokalnych uszkodzeń zębów kół wykorzystując do tego celu sygnały drganiowe poddane odpowiedniej filtracji oraz przetwarzaniu z użyciem krótkoczasowej transformaty Fouriera (STFT).

EN

The present paper presents the results of an experimental application of probabilistic neural network as a classifier of the degree of cracking root of the tooth in a gear wheel. The input data for the classifier was in a form of matrix composed of statistical measures, obtained from short time Fourier transform. The model of gearbox was used in order to create a base of knowledge. In the experiment genetic algorithms was used to check influence of choosing inputs for neural classifier on diagnostic error.

4

Klasyfikator lokalnych uszkodzeń zębów kół przekładni, wykorzystujący sieci neuronowe MLP oraz ciągłą transformatę falkową

Czech P.

Problemy Eksploatacji

|

2007

|

nr 4

61-81

PL

W artykule przedstawiono wyniki prób mających na celu budowę klasyfikatora lokalnych uszkodzeń zębów kół przekładni, opartego na sztucznych sieciach neuronowych. W badaniach wykorzystano sieci neuronowe typu perceptron wielowarstwowy (MLP). Obiekt badań stanowiła przekładnia zębata o zębach prostych, pracująca na stanowisku mocy krążącej FZG. Badaniami objęto przekładnie z kołami bez uszkodzeń oraz z lokalnymi uszkodzeniami zębów w postaci pęknięcia u podstawy zęba i wykruszenia wierzchołka zęba. W artykule zaproponowano budowę deskryptorów lokalnych uszkodzeń zębów kół wykorzystując do tego celu sygnały drganiowe poddane odpowiedniej filtracji oraz przetwarzaniu.

EN

The paper presents the results of an experimental application of an artificial neural network as a classifier of the degree of the cracking root and the chipping tip of the tooth in a gear wheel. The neural classifier was based on the artificial neural network of an MLP type (Multi-Layer Perceptions). The input data for the classifier was in the form of a matrix composed of statistical measures, obtained from continuous wavelet analysis. In order to create a basis of knowledge, a stand testing was done. The experimental tests were conducted in the system operating as circulating power test rigs. As a result, the method of standard construction for diagnostic systems based on artificial intelligence was also worked out by means of defining the ways of filtrating and analysing of signals and diagnostic measurements. Additionally, the choice of the architecture and algorithm of teaching artificial neural networks used to classify the state of an object was researched.