Wyniki wyszukiwania - BazTech

Ograniczanie wyników

1 Prace Naukowe Instytutu Budownictwa Politechniki Wrocławskiej. Studia i Materiały

1 2006

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: machinery systems

Sortuj według:

Ogranicz wyniki do:

Zastosowanie sztucznych sieci neuronowych do predykcji wydajności układów maszyn do robót ziemnych

Hoła B., Schabowicz K.

Prace Naukowe Instytutu Budownictwa Politechniki Wrocławskiej. Studia i Materiały

2006

Vol. 87, nr 18

101-108

W artykule przedstawiono rezultaty zastosowania sztucznych sieci neuronowych do predykcji wydajności W(N), układów współpracujących maszyn do robót ziemnych składających się z c koparek i N środków transportowych. Dysponując zbiorem danych składającym się z parametrów technicznych układów maszyn do robót ziemnych oraz odpowiadającym tym parametrom wartościom wskaźników efektywności, otrzymanych dla różnych odległości wywozu urobku, można nauczyć sztuczne sieci neuronowe, a następnie wykorzystać je do wiarygodnego neuronowego produkowania wydajności Ww. Przedstawione w pracy rezultaty potwierdzają przydatność sztucznych sieci neuronowych, jednokierunkowych wielowarstwowych ze wsteczną propagacją błędów oraz algorytmem gradientów sprzężonych (WPB-CGB), do predykcji wydajności W(N).

This paper presents the results of applying artificial neural networks in predicting effectiveness ratio W(N) for earthmoving machinery systems consisting of c excavators and N means of transport. The values of the characteristics can form a standard basis for designing construction earthworks. Having a data set consisting of the technical parameters of earthmoving machinery systems and the corresponding effectiveness ratio obtained for different output transport distances one can train artificial neural networks and then use the latter for the reliable prediction of W(N). The results presented confirm the suitability of unidirectional multilayer error back propagation neural networks with a conjugate gradient algorithm (BPNN-CGB) for predicting such effectiveness ratios as efficiency W(N).