Wyniki wyszukiwania - BazTech

1

Wykorzystanie probabilistycznych sieci neuronowych do wyznaczania ryzyka powstania szkód w budynkach poddanych wstrząsom górniczym

Witkowski M., Rusek J.

Przegląd Górniczy

|

2017

|

T. 73, nr 1

44--47

PL

W pracy przedstawiono metodykę pozwalającą na wyznaczenie ryzyka powstania szkód górniczych w budynkach o tradycyjnej konstrukcji murowanej w przypadku silnych wstrząsów górniczych. Podstawą do analiz była baza danych o zgłoszeniach uszkodzeń, jakie wystąpiły po wstrząsach z 20.02.2002 r., 16.05.2004 r. oraz 21.05.2006 r. (LGOM Polkowice) W oparciu o te dane utworzono model klasyfikacyjny w postaci probabilistycznej sieci neuronowej (PNN - Probabilistic Neural Network). Bazując na wynikach wcześniejszych prac, w modelu ujęto konstrukcyjne i geometryczne cechy budynków oraz ich zabezpieczenia przeciwko wstrząsom górniczym. Powstały klasyfikator pozwala na wskazanie prawdopodobieństwa powstania szkody przy zadanym zestawie zmiennych wejściowych. Probabilistyczna notacja modelu daje możliwość efektywnego szacowania prawdopodobieństwa wystąpienia szkody w analizie dużych grup obiektów budowlanych zlokalizowanych w obszarze oddziaływań parasejsmicznych. Pozwolić to może z kolei na oszacowanie, z odpowiednim prawdopodobieństwem, nakładów finansowych, które zakład górniczy powinien zabezpieczyć na usunięcie spodziewanych szkód górniczych.

EN

This paper presents a methodology that allows to determine the risk of mining damage in buildings of conventional brickwork in the case of strong mining tremors. The basis for the analysis was the database on notifications of damage occurring after the upheavals of 20 February 2002, 16 May 2004 and 21 May 2006 (LGOM – Polkowice). Based on these data classification a model in the form of a probabilistic neural network (PNN) was developed. Basing on the results of the previous papers, the model includes structural and geometric characteristics of the buildings and their protection against mining tremors. The probability of damage at a given set of input variables can be indicated owing to the obtained classifier. An efficient way to estimate the probability of damage in the analysis of large groups of buildings located in the area of paraseismic interaction can be obtained by the use of a probabilistic notation model. Due to PNN the financing costs of removing the anticipated mining damage can be estimated with an appropriate probability.

2

Zastosowanie neuronowych klasyfikatorów grup podobieństwa dla wybranych wirtualnych obrazów wad materiałowych

Giżewski T., Wac-Włodarczyk A., Goleman R., Kowalski I.

Przegląd Elektrotechniczny

|

2011

|

R. 87, nr 12b

53-56

PL

W artykule przedstawiono metodologię klasyfikacji materiałów magnetycznych na podstawie charakterystycznego modelu statycznego, który jest analogiczny do funkcji gęstości klasycznego modelu Preisacha. Badana powierzchnia jest wirtualnym obrazem uzyskanym przez przetworzenie histerezy różnicowej. Jej postać umożliwia modelowanie rozkładu funkcji wagi, charakteryzującego dany typ wady materiałów ferromagnetycznych.

EN

The article presents a methodology for classification of magnetic materials based on the characteristic static model, which is analogous to the classical model of the density function Preisacha. The study area is a virtual image obtained by differential hysteresis processing. It’s character allows modeling of the weight function distribution, that is typical for the type of defects in ferromagnetic materials. (Neural classifier of similarity groups applied in selected virtual image of defects).

3

Przewidywanie pęknięć w próbie SICO za pomocą probabilistycznych sieci neuronowych

Kusiak J., Godula A.

Hutnik, Wiadomości Hutnicze

|

2009

|

Vol. 76, nr 8

610-612

PL

W pracy podjęto próbę oceny możliwości i skuteczności probabilistycznej sztucznych sieci neuronowych w przewidywaniu pęknięć w procesach plastycznej przeróbki metali na gorąco. Zastosowano probabilistyczne sieci neuronowe (PNN – probabilistic neural networks), które zostały zaimplementowane do programu komercyjnego FORGE3. Weryfikację opracowanego modelu procesu pękania przeprowadzono na podstawie analizy wyników laboratoryjnej próby SICO. Wyniki przewidywania pękania porównano z wynikami uzyskanymi z kryterium pękania Lathama-Cockcrofta.

EN

The main goal of the work is an attempt of using the artificial neural networks in prediction of steel cracking during hot deformation. Developed model based on the probabilistic neural networks (PNN) is implemented into commercial finite element code FORGE3. The model can be applied to simulate the material cracking in a SICO plastometric test as well as in a wide range of real industrial processes. The obtained results based on the proposed approach are compared with the results obtained using the Latham-Cockcroft criterion.

4

Classification of fault diagnosis in a gear wheel by used probabilistic neural network, fast Fourier transform and principal component analysis

Czech P.

Transport Problems

|

2007

|

T. 2, z. 4

99-106

EN

This paper presents the results of an experimental application of artificial neural network as a classifier of the degree of cracking of a tooth root in a gear wheel. The neural classifier was based on the artificial neural network of Probabilistic Neural Network type (PNN). The input data for the classifier was in a form of matrix composed of statistical measures, obtained from fast Fourier transform (FFT) and principal component analysis (PCA). The identified model of toothed gear transmission, operating in a circulating power system, served for generation of the teaching and testing set applied for the experiment.

PL

W artykule przedstawiono wyniki z eksperymentów, których celem było wykorzystanie sztucznej sieci neuronowej jako klasyfikatora stopnia pęknięcia u podstawy zębów kół przekładni. W badaniach użyto probabilistycznych sieci neuronowych (PNN). Dane wejściowe dla klasyfikatorów stanowiły miary statystyczne uzyskane z sygnałów drganiowych, przy wykorzystaniu szybkiej transformaty Fouriera (FFT) oraz analizy PCA. Zidentyfikowany model przekładni zębatej, pracującej w układzie napędowym, posłużył jako źródło danych uczących i testujących dla sztucznych sieci neuronowych.

5

Zastosowanie metod probabilistycznych do przewidywania pęknięć w próbie SICO

Śledzińska A., Kusiak J.

Prace Naukowe Politechniki Warszawskiej. Mechanika

|

2007

|

z. 216

13--18

PL

W pracy podjęto wykorzystania oraz ocenę możliwości i skuteczności metod probabilistycznych w przewidywaniu pęknięć w procesach plastycznej przeróbki metali na gorąco. Wykorzystano probabilistyczne sieci neuronowe (PNN – prababilistic neural networks) oraz naiwny klasyfikator bayerowski (NBC Naive Bayes Classifier). Weryfikację opracowanych modeli procesu pękania przeprowadzono w oparciu o analizę wyników próby SICO. Wyniki przewidywania pękania porównano z wynikami uzyskanymi z kryterium pękania Lathama-Cockrofta.

EN

Possibility of application of the probabilistic methods and to prediction of material failure during hot deformation is the main subject of the work. Developed model based on the probabilistic neural networks (PNN) and Naive Bayes Classifier (NBC) is implemented into commercial finite element code FORGE3. The model can be applied to simulate possibility of material failure in a simple plastometric tests (i.e. SICO test) and in a wide range of real industrial processes. The obtained results based on the proposed approach are compared with the results obtained using the Latham-Cockroft criterion, which is commonly used fracture criterion available in commercial FE software.