Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 2

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
Wyszukiwano:
w słowach kluczowych:  local models
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
EN
This article outlines a methodology of modeling self-induced vibrations that occur in the course of machining of metal objects, i.e. when shaping casting patterns on CNC machining centers. The modeling process presented here is based on an algorithm that makes use of local model fuzzy-neural networks. The algorithm falls back on the advantages of fuzzy systems with Takagi-Sugeno-Kanga (TSK) consequences and neural networks with auxiliary modules that help optimize and shorten the time needed to identify the best possible network structure. The modeling of self-induced vibrations allows analyzing how the vibrations come into being. This in turn makes it possible to develop effective ways of eliminating these vibrations and, ultimately, designing a practical control system that would dispose of the vibrations altogether.
PL
W procesie technologicznym wykonania odlewu, istotna pozycja jest omodelowanie odlewnicze, składające się z pojedynczych modeli lub zestawów modeli montowanych na płytach formierskich modelowych. Tak określone omodelowanie służy do odwzorowania w zagęszczonej masie formierskiej kształtu wnęki formy, odtwarzającej odlew zgodnie z technologicznością procesu. Szczególną rolę w jakości gotowego odlewu, przypisuje się jakości płyt modelowych wraz z zestawem modeli, stosowanych w automatach formierskich wykonujących formy odlewnicze. Produkcja płyt modelowych odbywa się na zautomatyzowanych stanowiskach obróbczych CNC, w których podczas procesu obróbki ubytkowej występują niepożądane drgania, zwłaszcza samowzbudne. Drgania niekorzystnie wpływaja na dokładnosc wymiarowa i jakosc powierzchni obrabianych płyt i modeli odlewniczych. Eliminacja drgan samowzbudnych w trakcie procesu skrawania jest jednym z warunków wykonania płyt modelowych o wysokiej jakości. W artykule przedstawiona zostanie metodyka modelowania drgań samowzbudnych za pomocą sieci rozmyto-neuronowych. Jest to pierwszy etap w eliminacji niepożądanych drgań samowzbudnych wystepujących w procesie wytwarzania płyt modelowych. Zamodelowanie drgań samowzbudnych umożliwia analizę procesu powstawania drgań i opracowanie skutecznych metod ich eliminacji, a docelowo zaprojektowanie układu regulacji niwelującego te drgania. Ponadto scharakteryzowano problemy eksploatacyjne, jako następstwo występowania drgań samowzbudnych. Przeanalizowano możliwosci zastosowania sieci rozmyto-neuronowych w celu modelowania drgań samowzbudnych wraz z omówieniem zalet i wad sieci. Przedstawiono również algorytm do tworzenia odpowiednich struktur sieci rozmyto-neuronowych dla modeli lokalnych i przykłady zastosowania algorytmu w procesie modelowania drgań samowzbudnych.
PL
Współczesna diagnostyka techniczna stosująca model boryka się często ze zbyt dużym stopniem złożoności stosowanych modeli. Rozwiązania tego problemu, najczęściej stosowane dotychczas, polegały na upraszczaniu niektórych zależności modelu bądź świadomym pomijaniu niektórych wejść obiektu celem uproszczenia struktury modelu. W referacie przedstawiono odmienne podejście polegające na stosowaniu zbioru stosunkowo prostych modeli lokalnych w miejsce jednego złożonego modelu globalnego. Taki zbiór modeli lokalnych nazywany jest wielomodelem.
EN
Nowadays technical diagnostics that applies a model struggles very often with a high-complexity degree of applying model. Solutions of that problem, applied most frequent so far, consisted in simplifying of some model relations or conscious omitting of some object inputs with the purpose of making a model structure simpler. In the paper, it is presented inflected approach that consists in application of a set of simply local models instead one complex global model. Such a set of local models is called multi-model.
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.