Wyniki wyszukiwania - BazTech

Ograniczanie wyników

1 2018

Powiadomienia systemowe

Sesja wygasła!
Sesja wygasła!
Sesja wygasła!

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: obciążenia tramwajowej podstacji trakcyjnej

Sortuj według:

Ogranicz wyniki do:

The efficiency of using artificial feedforward neural networks with a single hidden layer of eight neurons for the analysis of overload conditions of selected tramway traction substations

Dudzik M., Prusak J., Drapik S., Kuznetsov V.

Technical Transactions

2018

Vol. 115, iss. 11

119--131

This paper presents further results of research on the load variability of rectifier units for the selected tram traction substation. Actual measurements were used in the performed analysis. This time, the analysis was focused on the characteristics of maximum loads and overloads for time periods of five minutes and sixty minutes, for a number of selected cases. The second part of the article discusses the effectiveness of the use of artificial neural networks of the feedforward type with one hidden layer with eight neurons to analyse the overloads of the traction substation over a longer time scale. The obtained positive results indicate that this type of research should be continued, using different variants of artificial neural networks.

W artykule przedstawiono kolejne wyniki badań zmienności obciążeń zespołów prostownikowych wybranej tramwajowej podstacji trakcyjnej. Do analiz wykorzystano rzeczywiste wyniki pomiarów. Tym razem zwrócono uwagę na specyfikę maksymalnych obciążeń i przeciążeń w odcinkach czasowych 5 min i 60 min – dla kilku wybranych przypadków. W drugiej części artykułu przedstawiono efektywność wykorzystania sztucznych sieci neuronowych, typu feedforward o jednej warstwie ukrytej z ośmioma neuronowami, do analizy przeciążeń dla eksploatacji podstacji trakcyjnej w dłuższej skali czasowej. Uzyskane pozytywne wyniki wskazują na konieczność kontynuowania tego typu badań, m.in. wykorzystując inne warianty sztucznych sieci neuronowych.