Wyniki wyszukiwania - BazTech

1

Wykorzystanie sieci neuronowych do modelowania pracy młyna kulowego w Cementowni WARTA S.A.

Śnieżyński Bartłomiej, Gajewski Paweł, Stępień Piotr, Roszczynialski Wojciech K., Golonka Paulina, Wolski Grzegorz

Materiały Budowlane

|

2023

|

nr 8

12--17

PL

Zastosowanie Sztucznych Sieci Neuronowych (SSN) do sterowania procesem przemiału cementu jest w pełni uzasadnione ze względu na złożoność procesu mielenia oraz nieliniowość charakteryzujących go parametrów. Stabilna praca młyna uzyskana przy wsparciu samouczących się SSN może przełożyć się na minimalizację jednostkowego zużycia energii przy utrzymaniu właściwego stopnia rozdrobnienia. Jako dane wejściowe zasilające algorytm SSN wykorzystano wybrane parametry technologiczne monitorowane podczas pracy młyna kulowego pracującego w warunkach przemysłowych. Eksperymenty wykazały, że mały błąd predykcji dają modele uwzględniające małą liczbę parametrów, biorące pod uwagę dane wejściowe z krótszego okna czasowego i 30-minutowym oknem wygładzania danych wejściowych. Najlepsze konfiguracje sieci neuronowej pozwalają na predykcję parametrów pracy młyna ze średnim bezwzględnym błędem procentowym poniżej 5% dla horyzontu czasowego 10 min oraz poniżej 7% dla horyzontu czasowego 15 min.

EN

The use of Artificial Neural Networks (ANNs) to control the cement grinding process is fully justified, taking into account the complexity of the grinding process and the non-linearity of its parameters. Stable operation of the mill, obtained with the support of self-learning ANNs, may translate into minimization of unit energy consumption while maintaining the desired degree of fragmentation. As input data powering the ANN algorithm, selected technological parameters monitored during the operation of the ball mill in an industrial setting were used. Experiments have shown that models with a smaller number of parameters, taking into account input data from a shorter time window and a 30-minute input smoothing window, yield a smaller prediction error. The best configurations of the neural network allow for the prediction of the mill operation parameters with an average absolute percentage error of less than 5% for the time horizon of 10 minutes and less than 7% for the time horizon of 15 minutes.

2

Fundamenty palowe z sondowaniem CPT pod podstawą pala

Trojnar Krzysztof, Siry Aleksander, Puch Filip

Mosty

|

2021

|

nr 3

26--30

PL

W artykule przedstawiono przykłady wykonania fundamentów palowych z użyciem innowacyjnej głowicy EGP. Wyposażenie wiertnicy palowej w specjalne czujniki oraz sondę CPT umieszczoną wewnątrz świdra przemieszczeniowego umożliwia prowadzenie pomiarów bezpośrednich w czasie robót palowych. Stosowanie technologii EGP ma zdecydowanie korzystny wpływ na jakość robót fundamentowych. Pozwala redukować koszt wykonania pali przy jednoczesnym zapewnieniu bezpieczeństwa posadowienia.

EN

The article presents examples of pile foundations with the use of the innovative EGP technology. The pile drilling rig with special sensors and the CPT probe placed inside the displacement auger enables direct measurements during piling works. The use of the EGP technology has a definitely beneficial effect on the quality of foundation works. It allows to reduce the cost of making piles while ensuring the safety of the foundation. The experience gathered so far from the Podkarpackie Region is of particular importance for the foundation of bridge supports on piles in situations where there are relatively thin layers of load-bearing soil in the ground or when there are justified doubts as to the condition of the ground under the foundations of already completed piles. In such cases, the use of EGP technology can help the piling operator make better decisions during the execution of individual piles on site.

3

Machine learning for predicting discharge fuctuation of a karst spring in North China

Cheng Shu, Qiao Xiaojuan, Shi Yaolin, Wang Dawei

Acta Geophysica

|

2021

|

Vol. 69, no. 1

257--270

EN

The quantitative analyses of karst spring discharge typically rely on physical-based models, which are inherently uncertain. To improve the understanding of the mechanism of spring discharge fuctuation and the relationship between precipitation and spring discharge, three machine learning methods were developed to reduce the predictive errors of physical-based groundwater models, simulate the discharge of Longzici spring’s karst area, and predict changes in the spring on the basis of long time series precipitation monitoring and spring water fow data from 1987 to 2018. The three machine learning methods included two artifcial neural networks (ANNs), namely multilayer perceptron (MLP) and long short-term memory–recurrent neural network (LSTM–RNN), and support vector regression (SVR). A normalization method was introduced for data preprocessing to make the three methods robust and computationally efcient. To compare and evaluate the capability of the three machine learning methods, the mean squared error (MSE), mean absolute error (MAE), and root-mean-square error (RMSE) were selected as the performance metrics for these methods. Simulations showed that MLP reduced MSE, MAE, and RMSE to 0.0010, 0.0254, and 0.0318, respectively. Meanwhile, LSTM–RNN reduced MSE to 0.0010, MAE to 0.0272, and RMSE to 0.0329. Moreover, the decrease in MSE, MAE, and RMSE was 0.0397, 0.1694, and 0.1991, respectively, for SVR. Results indicated that MLP performed slightly better than LSTM–RNN, and MLP and LSTM–RNN performed considerably better than SVR. Furthermore, ANNs were demonstrated to be prior machine learning methods for simulating and predicting karst spring discharge.

4

Discrimination of earthquakes and quarries in the Edirne district (Turkey) and its vicinity by using a linear discriminate function method and artifcial neural networks

Tan Aylin, Horasan Gündüz, Kalafat Doğan, Gülbağ Ali

Acta Geophysica

|

2021

|

Vol. 69, no. 1

17--27

EN

In this study, seismic events in the Edirne district (Turkey) and its vicinity have been investigated in order to discriminate earthquakes from quarry blasts. A total of 150 seismic events with Md≤3.5 duration magnitude from a seismic activity catalog between 2009 and 2014 recorded by the Enez (ENEZ), Erikli (ERIK) and Gelibolu (GELI) broadband stations operated by Boğaziçi University, Kandilli Observatory and Earthquake Research Institute Regional Earthquake-Tsunami Monitoring Center were used in this study. The maximum S-wave and maximum P-wave amplitude ratio of vertical component velocity seismograms, power ratio (Complexity) and total signal duration of the waveform were calculated. Earthquakes and quarry blasts were discriminated using the linear discriminate function (LDF) and back propagation feed forward neural networks, an artifcial neural network (ANN) learning algorithm, taking the determination coefcient and variance account values between these parameters into consideration. Eighty-one (54%) of the total 150 seismic events studied were determined to be earthquakes, and sixty-nine (46%) of them were determined to be quarry blasts. The LDF and ANNs methods were applied to the data in Edirne and its vicinity using a pair of parameters and were compared to each other for the frst time. The accuracy of the methods are 95% and 99% for LDF and ANNs, respectively.

5

Koncepcja holistycznej metody analizy próbek węgla z wykorzystaniem sztucznych sieci neuronowych

Skiba Marta

Prace Instytutu Mechaniki Górotworu PAN

|

2020

|

T. 22, nr 1-4

55--60

PL

Mikroskopowe analizy próbek węgla wykonywane są najczęściej w sposób manualny, a kluczową kwestią podczas ich przeprowadzania jest poprawność oraz powtarzalność. Rozpatrując poszczególne próbki warto uwzględnić zarówno ich skład (udział grup macerałów oraz materii mineralnej) jak również informację o stopniu zniszczenia struktury węglowej. Takie holistyczne podejście pozwala wnioskować o właściwościach technologicznych oraz gazowych rozpatrywanych próbek węgla. W prezentowanej pracy przedstawiono koncepcję automatycznej metody opisu próbek węgla, bazującej na wcześniejszych doświadczeniach dotyczących klasyfikacji grup macerałów oraz węgla odmienionego strukturalnie ze stref przyuskokowych z wykorzystaniem sztucznych sieci neuronowych. W wyniku badań uzyskano wysoką średnią skuteczność proponowanej metody na poziomie 95% poprawnych klasyfikacji.

EN

Microscopic analyzes of coal are most often performed manually, and the key issue during their performance is correctness and repeatability. When considering individual samples, it is worth taking into account both their composition (content of maceral groups and mineral matter) as well as information about the degree of destruction of the coal structure. Such a holistic approach allows us to draw conclusions about the technological and gas properties of the analyzed coal samples. This paper presents the concept of an automatic method for the description of coal samples, based on previous experiences concerning the classification of maceral groups and structurally altered coal from the near fault zones using artificial neural networks. As a result of the research, a high average effectiveness of the proposed method was obtained, at the level of 95% of correct classifications.

6

Prediction of electrical conductivity using ANN and MLR: a case study from Turkey

Ekemen Keskin Tülay, Özler Emre, Şander Emrah, Düğenci Muharrem, Mohammed Yadgar Ahmed

Acta Geophysica

|

2020

|

Vol. 68, no. 3

811--820

EN

The study areas are located in Turkey (Kastamonu, Bartın, Karabük, Sivas) and contain very diferent rock types, various mining and agricultural activity opportunities. So, the areas have groundwaters that have diferent chemical compositions and electrical conductivity (EC) values. The EC can be measured using EC meter, and it must be measured in situ. But, the measurement of EC in situ is laborious, time-consuming, expensive, and difcult in arduous terrain environments. In recent years, machine learning models have been a primary focus of interest for a lot of study by providing often highly accurate forecast for solutions of such problems. The aim of the study is to forecast EC of groundwater using artifcial neural networks (ANN) and multiple linear regressions (MLR). Twelve diferent hydrochemical parameters, which afect the EC, such as major/minor ions and trace elements, were used in the analysis. Multilayer feed-forward ANN trained with backpropagation in Python machine learning libraries was used in this study. In order to obtain the most appropriate ANN architecture, trialand-error procedure was used and diferent numbers of hidden layers, neurons, activation functions, optimizers, and test sizes were constructed. This study also tests the usability of input parameters in EC prediction studies. As a result, comparisons between the measured and predicted values indicated that the machine learning models could be successfully applied and provide high accuracy and reliability for EC and similar parameters forecasting.

7

Improving ANN based streamfow estimation models for the Upper Indus Basin using satellite derived snow cover area

Hassan Muhammad, Hassan Ishtiaq

Acta Geophysica

|

2020

|

Vol. 68, no. 6

1791--1801

EN

The mountainous catchments often witness contrasting regimes and the limited available meteorological network creates uncertainty in both the hydrological data and developed models. To overcome this problem, remotely sensed data could be used in addition to on-ground observations for hydrological forecasting. The fusion of these two types of data gives a better picture and helps to generate adequate hydrological forecasting models. The study aims at the improvement of ANN-based streamfow estimation models by using an integrated data-set containing, the satellite-derived snow cover area (SCA) with on-ground fow observations. For this purpose, SCA of three sub catchments of Upper Indus Basin, namely Gilgit, Astore and Bunji coupled with their respective gauge discharges is used as model inputs. The weekly stream-fow models are developed for infows at Besham Qila located just upstream of Tarbela dam. The data-set for modeling is prepared through normal izing all variables by scaling between 0 and 1. A mathematical tool, Gamma test is applied to fuse the inputs, and a best input combination is selected on the basis of minimum gamma value. A feed forward neural network trained via two layer Broyden Fletcher Goldfarb Shanno algorithm is used for model development. The models are evaluated on the basis of set of performance indicators, namely, Nash–Sutclife Efciency, Root Mean Square Error, Variance and BIAS. A comparative assessment has also been made using these indicators for models developed, through data-set containing gauge discharges, only and the data-set fused with satellite-derived SCA. In particular, the current study concluded that the efciency of ANN-based streamfow estimation models developed for mountainous catchments could be improved by integrating the SCA with the gauge discharges.

8

Prediction of thickness of pantograph contact strips using Artificial Neural Networks

Kuźnar Małgorzata

Technical Transactions

|

2019

|

Vol. 116, iss. 12

173--180

EN

The sliding strip of the current collector (pantograph) of a rail vehicle is an element directly cooperating with the catenary and is exposed to abrasion, electric discharge and various types of damage. It is therefore the most frequently replaced element. However, often sliding strips are exchanged before exceeding the limit thickness value, which increases the costs related to technical maintenance. Because the wear process is dependent on many factors, heuristic methods are necessary to predict the thickness of the sliding strip. Knowing the predicted thickness value, it will be possible to adapt the maintenance cycle. In the article, the results of simulations carried out based on the developed structure of the artificial neural network are also presented.

PL

Nakładka ślizgowa odbieraka prądu pojazdu szynowego jest elementem bezpośrednio współpracującym z siecią trakcyjną w związku, z czym narażona jest na zużycie ścierne, elektroerozyjne oraz różnego rodzaju uszkodzenia. Jest, zatem elementem najczęściej wymienianym. Często jednak nakładki wymieniane są przed przekroczeniem granicznej wartości grubości, co zwiększa koszty związane z obsługą techniczną. Ponieważ proces zużycia jest zależny od wielu czynników, dlatego do predykcji grubości nakładki ślizgowej niezbędne jest zastosowanie metod heurystycznych. Znając prognozowaną wartość grubości, możliwe będzie odpowiednie dostosowanie cyklu utrzymania. W artykule przedstawiono wyniki symulacji przeprowadzonych na podstawie opracowanej struktury sztucznej sieci neuronowej.

9

Nowa metoda wyznaczenia pola powierzchni skóry przedramienia i dłoni wykorzystująca sztuczną sieć neuronową

Redlarski G., Krawczuk M., Rzyman G., Tojza P. M., Siebert J.

Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej

|

2017

|

Nr 55

53--56

PL

W artykule przedstawiono rozbieżności pomiędzy wartościami pola powierzchni skóry obliczonymi za pomocą znanych metod a ich rzeczywistymi wartościami. Wykorzystując skaner 3D o wysokiej dokładności, zmierzono pole powierzchni skóry przedramienia i dłoni. Zaobserwowano, że błędy obliczeń są w wysokim stopniu skorelowane z wartościami BMI badanych osób. W grupie osób o BMI poniżej 20 stwierdzono maksymalny błąd względny wynoszący -8,5%, natomiast w grupie osób o BMI powyżej 25 odnotowano błędy kilkakrotnie wyższe, w skrajnym przypadku sięgające 27%. W celu redukcji błędów zaproponowano podejście alternatywne, bazujące na wykorzystaniu sztucznej sieci neuronowej.

EN

The article introduces a comparative analysis of existing methods for calculation of forearm and palm skin surfaces with high quality 3D models. Moreover, it was possible to systematize the errors resulting from these calculations and their division due to the BMI of a person. For people with BMI below 20, a maximum error of 8.5% was found, while for people with BMI above 25 the error was close to -27%. On this basis, inaccuracies in the process of the forearm and palm skin estimation of an abnormal body were found. What is more, an artificial neural network to determine this surface was proposed. The proposed neural network was developed for 15 neurons in the hidden layer and 1 neuron in the output layer. The Levenberg-Marquardt with backpropagation learning method was used. The maximal error for the neural network during the forearm and palm skin estimation was 3,04%.

10

Zastosowanie SSN do predykcji zużycia węglowych nakładek odbieraka prądu

Kuźnar M.

Symulacja w Badaniach i Rozwoju

|

2017

|

Vol. 8, nr 3-4

97--103

PL

Odbieraki prądu w pojeździe trakcyjnym służą do poboru prądu z sieci trakcyjnej. Elementem mającym bezpośredni kontakt z przewodem jezdnym jest ślizgacz, a dokładniej węglowa nakładka stykowa, narażona zarówno na zużycie eksploatacyjne, jak i różnego rodzaju uszkodzenia związane z użytkowaniem. Jest elementem odbieraka najczęściej wymienianym. W celu ustalenia przyczyny uszkodzenia nakładki konieczna jest znajomość typu uszkodzenia. Przyczyna wymiany nakładki wnioskowana może być na podstawie charakterystyki zużycia węglowych nakładek stykowych. W celu predykcji zużycia węglowych nakładek stykowych zastosowano Sztuczną Sieć Neuronową typu Feed-Forward z propagacją wsteczną o 6 warstwach ukrytych po 10 neuronów w każdej warstwie. Błąd średniokwadratowy dla procesu uczenia sieci wyniósł 0,578, a wyniki dotyczące predykcji zużycia nakładki przedstawiono w artykule.

EN

In the traction vehicles, current consumption from the overhead contact line is possible thanks to the current collectors (pantographs). An element that has a direct contact with the contact wire is a slide plate, and more specifically, a carbon contact strips. Affected by both operational wear and various types of damage related to operational maintenance, carbon strip is the element which most commonly need to be exchanged. To determine the cause of damage to the contact strip, it is necessary to know the type of damage. The reason for replacing the carbon contact strip may be claimed on the basis of the wear characteristics. In order to predict the wear of carbon strip, a Feed-Forward Artificial Neural Network with backward propagation of 6 hidden layers and 10 neurons in each layer was applied. The mean square error for the network learning process was 0.578, and the results for the pantograph contact strip wear were presented in the article.

11

Studies on the ANN implementation in the macro BIM cost analyzes

Juszczyk M.

Przegląd Naukowy Inżynieria i Kształtowanie Środowiska

|

2017

|

Vol. 26, No. 2

183--192

EN

The paper presents an approach which combines the concept of macro-level BIM-based cost analyzes and application of artificial intelligence tools – namely artificial neural networks. Discussion and foundations of the proposed approach are introduced in the paper to clarify the problem’s core. An exemplary case study reports the results of initial studies on the application of neural networks for the purposes of BIM-based cost analysis of a buildings’ floor structural frame. The results obtained justify the proposal of application of neural networks as a supportive mathematical tool in the problem presented in the paper.

PL

Artykuł przedstawia podejście, w którym połączone zostały koncepcja analiz kosztowych macro BIM oraz zastosowania narzędzi sztucznej inteligencji – sztucznych sieci neuronowych. W artykule zaprezentowano dyskusję i podstawowe założenia proponowanego podejścia, stanowiące wyjaśnienie istoty problemu. Studium przypadku przedstawia wyniki wstępnych badań dotyczących zastosowań sieci neuronowych w analizach kosztów z zastosowaniem BIM na przykładzie oszacowań kosztów konstrukcji nośnej kondygnacji budynku. Uzyskane wyniki uzasadniają propozycję wykorzystania sieci neuronowych jako narzędzia matematycznego w przedstawionym w artykule problemie.

12

Application of the wavelet and neural technologies for processing of signals obtained during railway tracks diagnostics by the magnetic flux leakage method

Nichoga V., Vashchyshyn L.

Biuletyn Wojskowej Akademii Technicznej

|

2017

|

Vol. 66, nr 4

195--201

EN

In this article, the approach for detecting a transverse crack in the rail head via ANN with CWT and application created on its basis are presented. The ways of further development of the ANN for improving its work accuracy and the possibility of identification of other types of defects are also presented.

PL

W artykule rozpatrzono sposób ujawnienia poprzecznego pęknięcia w głowicy szyny kolejowej metodą ciągłej transformacji falkowej (CTF) oraz metodą sztucznej sieci neuronowej (SSN). Przedstawiono program stosowany do analizy sygnałów defektoskopijnych. Zaproponowano sposoby dalszego rozwoju SSN w celu poprawy dokładności jego pracy i możliwości zidentyfikowania innych rodzajów wad.

13

Ocena wpływu zmiennych wejściowych i struktury modelu sztucznej sieci neuronowej na prognozowanie dopływu ścieków komunalnych do oczyszczalni

Bartkiewicz L., Szelag B., Studziński J.

Ochrona Środowiska

|

2016

|

Vol. 38, nr 2

29--36

PL

Ze względu na stochastyczny charakter zjawiska dopływu ścieków do oczyszczalni, występują duże nierównomierności zarówno ilości, jak i jakości ścieków, co ma znaczący wpływ na funkcjonowanie obiektów technologicznych oczyszczalni. Z tego względu celowe jest prognozowanie wartości dopływu ścieków, co pozwala na przygotowanie obiektu na występowanie zdarzeń anormalnych, mogących doprowadzić do zaburzeń w działaniu urządzeń oczyszczalni. W artykule przedstawiono wyniki modelowania wartości dopływu ścieków z zastosowaniem sztucznych sieci neuronowych. W przeprowadzonych analizach wykorzystano wyniki trzyletnich pomiarów wysokości opadów atmosferycznych oraz dopływu ścieków komunalnych do miejskich oczyszczalni w Rzeszowie i Kielcach. Do oceny wpływu zmiennych objaśniających na jakość modelu zastosowano metodę regresji logistycznej. Uwzględniono takie zmienne, jak wysokość opadów atmosferycznych oraz dobowy dopływ ścieków do oczyszczalni, które były odpowiednio opóźnione w stosunku do wartości prognozowanej. Zbadano także wpływ parametrów struktury rozpatrywanego modelu na dokładność prognozy tworzonych modeli matematycznych.

EN

Due to a stochastic nature of sewage inflow into a treatment plant the inflow amount and its quality are highly variable which has a significant impact on the plant technological objects operation. Hence, sewage inflow forecasting would be desirable as it allows for mitigating the impact of abnormal events that might lead to major plant installation disruption. This paper presents the results of a raw sewage inflow modeling using Artificial Neural Networks (ANNs). Results of the three-year measurements of precipitation rates and sewage treatment plant inflow in Rzeszow and Kielce were used in the analyses. To assess the impact of exogenous variables on the model quality the logistic regression method was applied. The variables considered were the precipitation rate and daily sewage inflow, which were appropriately delayed in relation to the forecasted inflow values. Impact of the model structure parameters on accuracy of the mathematical model forecasts was also investigated.

14

Zastosowanie sieci RBF w analizie pękania elementów maszyn

Różyło P., Gajewski J., Nowakowski P., Machrowska A.

Logistyka

|

2015

|

nr 3

4176--4182, CD 1

PL

W pracy przedstawiono numeryczne badanie procesu pękania elementu maszynowego oraz zastosowanie sieci RBF do analizy wyników badań. W ramach analizy numerycznej zaprojektowano element maszynowy w oparciu o dane materiałowe stali C45. Projekt i badanie wykonano w oprogramowaniu ABAQUS. Analiza pozwoliła na dostarczenie informacji odnośnie stopnia wytężenia badanego elementu.

EN

The paper presents a numerical study of the cracking process of the machine component and use RBF network to analyze the test results. In the context of numerical analysis machine element is designed based on the data of the steel C45. Design and testing was performed in the software ABAQUS. The analysis made it possible to provide information on the degree of effort of the test piece.

15

Analiza algorytmu automatycznego rozpoznawania modulacji na potrzeby radia kognitywnego oraz systemów rozpoznania radioelektronicznego

Walenczykowska M., Kawalec A.

Elektronika : konstrukcje, technologie, zastosowania

|

2015

|

Vol. 56, nr 4

36-39

PL

Potrzeba opracowania skutecznego algorytmu automatycznego rozpoznawania typów modulacji (ang. Automatic Modulation Recognition - AMR) stała się jednym z najważniejszych zagadnień związanych nie tylko z rozwojem systemów rozpoznania radioelektronicznego ale również systemów radia kognitywnego (ang. Cognitive Radio - CR) budowanych w oparciu o radio programowalne (ang. Software Defined Radio - SDR). Praca zawiera opis jednego z proponowanych algorytmów rozpoznawania wybranych typów modulacji, w którym zastosowano transformację falkową (ang. Wavelet Transform - WT) oraz sztuczną sieć neuronową (ang. Artificial Neural Network - ANN). Opisane w pracy badania dotyczyły możliwości identyfikacji następujących modulacji cyfrowych: M-QAM, M-PSK, M-ASK, M-FSK. Transformację falkową zastosowano w celu wyodrębnienia cech charakterystycznych dla każdego z rozpoznawanych typów modulacji. Natomiast jako klasyfikator zastosowano dwa rodzaje sztucznej sieci neuronowej: perceptron wielowarstwowy (ang. Multi-Layer Perceptrone - MLP) oraz sieć radialną (ang. Radial Basis Function - RBF) oraz porównano ich skuteczność. Badania wykonano z wykorzystaniem środowiska MatLab oraz własnych klas i funkcji pozwalających na realizację funkcjonalności sztucznych sieci neuronowych. Przedstawiono problemy zaobserwowane podczas realizacji badań, w szczególności związane z identyfikacją poziomu modulacji dla kluczowania fazy (M-PSK).

EN

Signal intelligence (SIGINT) and cognitive radio (CR) systems are in need of effective, automatic modulation recognition (AMR) algorithm. This task has became one of the most important problems to solve since last ten years. The article presents one of the proposed modulation recognition algorithms where continuous wavelet transform (CWT) is used for signal features extraction and artificial neural network (ANN) acts as classifier. In our researches multilayer perceptron (MLP) and radial basis function (RBF) network were considered and correctness of classification was analyzed. There are M-ary ASK, M-ary PSK, M-ary FSK, M-ary QAM signals used for simulation. The mean value, variance and higher-order moments up to five of continuous wavelet transform (CWT) were taken to consideration as signal features. Principal component analysis (PCA) was applied to reduce number of features. There were two variants analyzed: interclass and intraclass recognition with wide range of signal-to-noise ratio (SNR). In researches we used collection of class and functions created in MatLab code for learning and testing ANN. There are also problems with M-ary PSK intraclass identification problems analyzed.

16

Analiza wpływu planu eksperymentu na jakość modelu właściwości przeciwzużyciowych

Trzos M., Ruta R.

Tribologia

|

2014

|

nr 6

165--178

PL

W artykule przedstawiono wyniki analiz odwzorowania granicznego obciążenia zużycia opracowanego na podstawie danych eksperymentalnych. Badaniom poddano elementy współpracujące tarciowo w styku smarowanym olejem mineralnym modyfikowanym dodatkami przeciwzatarciowymi i przeciwzużyciowymi. Przeprowadzono dwie tury badań na podstawie różnych planów eksperymentu: planu dla mieszanin z ograniczeniami oraz centralnego planu kompozycyjnego. Uzyskane wyniki eksperymentów zostały wykorzystane do budowy modeli opisujących wpływ zawartości dodatków w badanym środku smarowym na jego własności przeciwzużyciowe oceniane za pomocą granicznego obciążenia zużycia. Na podstawie wyników weryfikacji opracowanych modeli przeanalizowano przydatność przyjętych planów eksperymentu do opisu analizowanego wskaźnika tribologicznego oraz porównano jakość odwzorowań opracowanych z wykorzystaniem danych uzyskanych na podstawie różnych planów eksperymentu. Porównano również jakość modeli regresyjnych oraz jakość modeli opracowanych z wykorzystaniem sztucznych sieci neuronowych.

EN

The article presented the results of analysis of models of the wear limiting load capacity that were developed based on the experimental data. The elements of friction contacts lubricated with mineral oil with additives were investigated. Two rounds of investigation were conducted based on different experimental plans, which were a plan for mixtures with limitations, and the central compositional plan. The experimental results were used to develop the models of the relationships of the wear limiting load capacity and the content of the antiwear and antiseizure additives in the lubricant. Based on the results of verification experiments, the usefulness of the experimental plans for modelling of the tribological properties was analysed and evaluated. A comparison of the quality of the regression models and the models developed with the use artificial neural networks was also presented.

17

A Novel EBG Structure with Embedded Meander Bridge and Its Applications on SI and PI

Yan Z., Yu W., Cao J., Wang W., Han Y., Rahman T.

Przegląd Elektrotechniczny

|

2012

|

R. 88, nr 7b

294--299

EN

This paper proposes an embedded meander bridge planar EBG structure, which can effectively suppress ultra-wideband (UWB) simultaneous switching noise (SSN) in power/ground plane pairs. This paper demonstrates that the valid -30 dB suppression bandwidth of the novel EBG structure is from 500 MHz to 14.5 GHz, covering a range of 14GHz. Furthermore, the effects of the EBG power plane on signal integrity (SI) is investigated. The design rules of the signal lines over the EBG power/ground plane pairs are also studied. The simulated and measured results are compared to verify the performance.

PL

W artykule opisano mostkową strukture EBG typu meander która umożliwia skuteczne tłumienie szumów szerokopasmowych. Układ umożliwia tłumienie o 30 dB sygnałów w paśmie 500 MHz – 14.5 GHz.

18

A Novel Design of Electromagnetic Bandgap Structure and its Effects on PI and SI

Yan Z., Wang Y., Che M., Han Y., Wang T., Rahman T.

Przegląd Elektrotechniczny

|

2012

|

R. 88, nr 3b

72-77

EN

Power/Ground plane structure is the best configuration of the modern plane power distribution system. But in the high speed circuit, the resonant modes of the P/G planes can be excited when the high speed signal changes the reference plane. Thus it brings the ground bounce noise (GBN) and simultaneous switching noises (SSN) problems. This paper presents a novel electromagnetic bandgap structure which can suppress the high frequency and ultra-high frequency GBN and SSN by using a special S shape slender to connect the EBG unit. But the structure has a certain effect on the signal transmission features, while the simulation results show that loading the EBG structure in partial is not only able to restrain the GBN and SSN effectively, but also able to achieve good propagation characteristics.

PL

W artykule analizowane są szumy typu GBN I SSN. Zaprezxentoewano nową elektrlomagnetyczną strukturę pasmową umożliwiająca tłumienie tych szumów przy wysokich częstotliwościach.

19

ANN-based modeling of fly ash compaction curve

Zabielska-Adamska K., Sulewska M. J.

Archives of Civil Engineering

|

2012

|

Vol. 58, nr 1

57-69

EN

The use of fly ash as a material for earth structures involves its proper compaction. Fly ash compaction tests have to be conducted on separately prepared virgin samples because spherical ash grains are crushed during compaction, so the laboratory compaction procedure is time-consuming and laborious. The aim of the study was to determine the neural models for prediction of fly ash compaction curve shapes. The attempt of applying the artificial neural networks type MLP was made. ANN inputs were new-created variables - principal components dependent on grain-size distribution (as D10-D90 and uniformity and curvature coefficients), compaction method, and fly ash specific density. The output vectors were presented by coordinates of generated compaction curve points. Each point was described by two independent ANNs. Using ANN-based modelling method, models which enable establishing the approximate compaction curve shape were obtained.

PL

Wykorzystanie popiołu lotnego do konstrukcji ziemnych wymaga jego właściwego zagęszczenia. Zagęszczanie powoduje wzrost gęstości gruntu, zwiększa jego wytrzymałość i zdolność do przenoszenia obciążeń, a także zmniejsza ściśliwość i przepuszczalność. Oznaczenie zagęszczalności popiołu lotnego musi być przeprowadzane na próbkach jednokrotnie zagęszczanych, ponieważ sferyczne ziarna popiołu są niszczone w trakcie ubijania, w związku z tym, laboratoryjne ustalenie krzywej zagęszczalności popiołu jest bardzo czasochłonne. Celem artykułu było wykorzystanie modelowania neuronowego do prognozy kształtu krzywej zagęszczalności popiołu lotnego. Podjęto próbę zastosowania sztucznych sieci neuronowych SSN typu MLP do opisu punktów krzywej zagęszczalności. Każdy punkt krzywej został opisany przez dwie niezależne SSN. Wykorzystano SSN o różnych wejściach, którymi były nowo utworzone zmienne- składowe główne, zależne od uziarnienia (średnic efektywnych d10-d90 oraz wskaźników jednorodności i krzywizny uziarnienia), metody zagęszczenia oraz gęstości właściwej szkieletu gruntowego pdi. Wektorami wyjścia były współrzędne punktów krzywej zagęszczalności popiołu lotnego. Najlepszymi sieciami neuronowymi były sieci o topologii: 6-3-1, 6-2-1 i 6-4-1 dla prognozy wartości wilgotności wi, oraz 5-3-1 i 6-3-1 dla predykcji wartości gęstości objętościowej szkieletu gruntowego. Uzyskano sieci neuronowe o zadowalającej precyzji, szczególnie w przypadku wartości pdi. Modelowanie krzywej za pomocą SSN umożliwiło ustalenie przybliżonego kształtu krzywej zagęszczalności popiołu lotnego.

20

Metody sztucznej inteligencji w modelowaniu i identyfikacji obiektów elektrotermicznych

Jackowska-Strumiłło L., Kucharski J.

Zeszyty Naukowe. Elektryka / Politechnika Łódzka

|

2010

|

z. 121

255-266

PL

W pracy przedstawiono zastosowanie metod sztucznej inteligencji do modelowania i identyfikacji wybranych obiektów elektrotermicznych. Zastosowano sztuczne sieci neuronowe do modelowania i identyfikacji nieliniowych własności dynamicznych dwóch typów rezystancyjnych czujników Pt 100 w osłonie umieszczonych w oleju silikonowym. Stosowano dwuwarstwowe sieci perceptronowe oraz sieci rekurencyjne. Zaproponowano także rozmyte podejście do modelowania wybranej klasy obiektów cieplnych - rezystancyjnych pieców komorowych. W szczególności uwzględniono rozłożony charakter parametrów tego typu obiektów i zaproponowano rozwiązanie, które umożliwia uwzględnienie w modelu zmian parametrów dynamicznych obiektu wynikających ze zmian stopnia nasycenia cieplnego warstw izolacyjnych. Rozważania teoretyczne zweryfikowano na drodze symulacyjnej i eksperymentalnej, dowodząc skuteczności proponowanych metod dla rozważanych klas obiektów, a ogólność przeprowadzonej analizy wskazuje na możliwość rozszerzenia zakresu zastosowań.