Wyniki wyszukiwania - BazTech

1

Evolutionary data driven modelling and many objective optimization of non linear noisy data in the blast furnace iron making process

Mahanta Bashista Kumar, Chakraborti Nirupam

Computer Methods in Materials Science

|

2021

|

Vol. 21, No. 3

163--175

EN

Optimization of process parameters in modern blast furnace operation, where both control and accessing large data set with multiple variables and objectives is a challenging task. To handle such non-linear and noisy data set deep learning techniques have been used in recent time. In this study an evolutionary deep neural network algorithm (EvoDN2) has been applied to derive a data driven model for blast furnace. The optimal front generated from deep neural network is compared against the optimal models developed from bi-objective genetic programming algorithm (BioGP) and evolutionary neural network (EvoNN). The optimization process is applied to all the training models by using constraint based reference vector evolutionary algorithm (cRVEA).

2

Analysis of the Arabic using neural networks: an overview

Soori H., Platos J., Snasel V.

Przegląd Elektrotechniczny

|

2013

|

R. 89, nr 11

47-50

EN

This paper is a quick review of some of the scholarly work aiming at solving various problems of the Arabic language using neural networks. It includes some research work concerning online recognition of handwritten Arabic characters, speech recognition, offline character text recognition, text categorization and recognition of printed text. This paper concludes that more research should be conducted in this area considering the importance of the Arabic language, the rapid growth of internet users in the Arab world, and the widespread usage of Arabic characters by many languages other than Arabic.

PL

W artykule przedstawiono metody analizy języka arabskiego z wykorzystaniem sieci neuronowych. Analizowano możliwości rozpoznawania pisma odręcznego, drukowanego jak i mowy.

3

Światłowodowe sieci neuronowe

Pisarek J., Dróżdż H., Kamiński P.

Pomiary, Automatyka, Komputery w Gospodarce i Ochronie Środowiska

|

2010

|

nr 2

21-24

PL

Wśród sieci neuronowych szczególną rolę odgrywają sieci analogowe, odznaczające się bardzo dużą szybkością działania i stosowane w ultraszybkich inteligentnych sterownikach i systemach diagnostyki czasu rzeczywistego. W pracy przedstawiono wybrane typy optycznych sieci neuronowych oraz koncepcję budowy układów małego stopnia integracji w oparciu o dostępne elementy stosowane w technologiach światłowodowych. Przedstawione została koncepcja przetwarzania hybrydowego w oparciu o dostępne handlowo podzespoły optoelektroniczne, w tym matryce obrazowe CMOS. Efektem końcowym może być budowa sieci przetwarzających informacje z szybkością rzędu 1000 GB/s.

EN

The analog networks are performed the special part among neural networks The analog networks are very speed. This is important for application in ultraquick intelligent drivers and systems of the diagnostics in the real time. On the job chosen types of optical neural networks and the ideas of the construction of the net with small degree of the integration are proposed on the base on accessible elements from technologies of optical fibre. The optical network can to convert information with the speed of the row 1000 GB/s.

4

Modern methods control and diagnostics of hoisting-machines with application of artificial intelligence methods

Oleksy A., Szymański Z.

Archives of Mining Sciences

|

2010

|

Vol. 55, no 1

217-231

EN

The paper present's an analysis of the possibility an application of chosen artificial intelligence methods in control, automatics and diagnostics systems of hoisting-machines The analysis is limited to: fuzzy logic control, genetic algorithms, and modern neural networks II and III generation methods. These methods assure realization of complicated algorithms a control of hoisting - machine with assurance of energy-saving operating conditions, monitoring of exploitive parameters, and predictive diagnostics of technical state a hoisting -machine, reducing a number of damage states. In paper present's an idea of control system and diagnostics of machine basing on method: fuzzy- logic neuro system of the control circuit (fuzzy logic control in neural networks). In the paper present's a chosen of control algorithms, and results of computer simulations of chosen mathematical models of hoisting -machine.

PL

Eksploatacja maszyn transportu poziomego i pionowego stosowanych w podziemnych zakładach górniczych wymaga spełnienia warunków: energooszczędności, niezawodności oraz bezpieczeństwa pracy. W napędach górniczych wyraźną poprawę wskaźników energetycznych i ekonomicznych uzyskuje się przez: zastosowanie nowoczesnych zasilaczy przekształtnikowych sterowanych układami mikroprocesorowymi, sterowanie optymalne pracą górniczej maszyny transportowej, zastosowanie metod sztucznej inteligencji w obwodach sterowania i diagnostyki. Wprowadzenie do obwodów siłowych maszyn wyciągowych zasilaczy przekształtnikowych zapewnia budowę płynną i ekonomiczną regulację parametrów zasilania silnika napędowego. Układy zasilania są sterowane z inteligentnych sterowników wyposażonych w regulatory ACN (artificial control network). W zależności od stopnia automatyzacji stosowane są różne systemy sterowania: sterowanie rozmyte, systemy sieci neuronowych, algorytmy genetyczne. Zastosowanie techniki cyfrowej (cyfrowe regulatory jazdy, czujniki i przetworniki cyfrowe) zapewni sterowanie pracą maszyny wyciągowej w czasie rzeczywistym, przy bieżącej kontroli parametrów eksploatacyjnych. Komputery przemysłowe zapewniają monitoring oraz diagnostykę pracy maszyny wyciągowej, co umożliwi wcześniejsze wykrywanie stanów awaryjnych i zwiększy bezpieczeństwo pracy. Nowoczesne algorytmy sterowania, uwzględniające obowiązujące przepisy górnicze, umożliwią automatyczne, suboptymalne sterowanie pracą maszyn wyciągowych (skipowych i klatkowych). W referacie przedstawiono analizę celowości wprowadzania napędów energooszczędnych do układów maszyn wyciągowych, potrzebę zastosowania metod sztucznej inteligencji w układach sterowania i diagnostyki, wybrane algorytmy i kryteria sterowania energooszczędnego, oraz koncepcję układu sterowania i diagnostyki maszyny bazującej na metodzie: fuzzy-logic neuro net control system (sterowanie rozmyte w sieciach neuronowych). Przedstawiono wybrane algorytmy sterowania oraz wyniki obliczeń komputerowych wybranych stanu pracy maszyny wyciągowej.

5

Zastosowanie sieci neuronowej do numerycznej aproksymacji wyników badań kompostu

Sidełko R.

Ekologia i Technika

|

2003

|

R. 11, nr 6

13-17

PL

Komposty produkowane na bazie odpadów komunalnych charakteryzują się wyjątkową niejednorodnością wyrażoną parametrami jakościowymi. Z tego względu niezależnie od ilości danych opisujących zmiany właściwości nawozowych w trakcie dojrzewania kompostu, matematyczny opis zjawiska jest niezmiernie trudnym zagadnieniem. W pracy przedstawiono rezultat działania sieci neuronowej skonstruowanej w oparciu o pakiet MATLAB, prognozującej zmiany wartości wybranych wskaźników fizyko-chemicznych kompostu w czasie jego dojrzewania. W toku procesu "uczenia sieci" wykorzystano 45 par przypadków stanowiących efekt rocznych badań kompostu produkowanego w Zakładzie Utylizacji Odpadów w Kołobrzegu w ramach projektu PBZ Nr 5PO6H03817.

EN

Composts based on communal wastes are characterised by high level of heterogeneity as expressed with quality factors. For that, irrespective of a data volume, mathematical description of variation of fertilising qualities during maturing of compost is an immensely difficult task. The study presents a result of functioning of neural net constructed on the basis of MATLAB package for forecasting variation of selected physico-chemical compost factors during its maturing. On the stage of the net "learning" 45 cases, which result from a yearlong investigation of the compost produced within the project PBZ No 5PO6H03817, were utilised.

6

Metoda technologii grupowej bazująca na sieciach neuronalnych

Piłot T., Knosala R.

Zarządzanie Przedsiębiorstwem

|

2001

|

Vol. 4, nr 1-2

31-28

EN

The production system that uses typical technologies is exported by large assortment of produced elements and quick changing market conditions. The idea of this system is manufacturing elements that are similar in their constructional forms and manufacturing processes using identical methods. Decreasing of production costs can be obtained as a result of application of the group technology. The method of information coding and methods of elements' clustering are basic problems in group technology. In the literature there are no references for method of machine elements description according to both design and technological features. In connection with above the following goal of the work is to develop the method of research the design and technological similarity using the Kohonen net as a clustering tool. The Kohonen net is one of the neural nets, belonging to group of nets that work without supervising and can analyse similarities in the input data. Basing on the assumptions presented above, the goal of the work is determined. The main task that have been solved in this work is the method of description the design and technological parameters and the method of clustering that uses the Kohonen net. The structure and algorithm of a two-layer net have been elaborated. This net has been used for clustering machine elements. Also the classical algorithm of the Kohonen net has been changed to apply the method of "neural gas" and new learning rate function. These changing let for more effective clustering of machine elements. The original method of description the technological and design parameters is also proposed. This method bases on application of the utility function for information coding about machine tools and manufacturing processes that arc used in chosen manufacturing plant. Experiments and results show that the elaborated method let cluster machine elements. Analysis of experiments results present that this method is a very effective for computer aiding of similarities analyse of machine elements.

7

Comparison of FFBP and RBF neural networks applied to tool wear diagnosing

Wrzosek P.

Prace Naukowe Instytutu Technologii Maszyn i Automatyzacji Politechniki Wrocławskiej. Konferencje

|

1999

|

Vol. 72, nr 33

328-338

EN

The paper presents results of neural net (NN) application to Tool Condition Monitoring (TCM), in particular to tool wear assessment in turning. Cutting tests on steel 45 were conducted, forces' signals registered for different cutting parameters in the course of the tool life. Several measures of those signals were extracted. These, along with the parameters, served as inputs to two types of neural networks- feed forward back propagation (FFBP) and radial basis function (RBF). Various different combinations of the input data were fed to the networks and the out put errors were scrutinized. Configurations of the input variables yielding lowest errors are compared for both types of networks and broadly discussed.

PL

Artykuł prezentuje rezultaty zastosowania sieci neuronowych do monitorowania stanu ostrza w szczególności do oceny zużycia w operacjach tokarskich. Przeprowadzono badania skrawaniowe, podczas których zarejestrowano sygnały sił dla zmiennych parametrów skrawania i zużycia płytki. Wyznaczone miary tych sygnałów, wraz z parametrami skrawania, podano na wejścia dwóch rodzajów sieci neuronowych: FFBP i RBF. Przeanalizowano jakość i przydatność oceny zużycia dla różnych kombinacji danych wejściowych. Najlepsze z nich zostały szczegółowo porównane dla obu typów sieci.