Wyniki wyszukiwania - BazTech

Ograniczanie wyników

1 Computer Methods in Materials Science

1 2008

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: reverse model

Sortuj według:

Ogranicz wyniki do:

Attempt of neural modelling of castings crystallisation control process

Tadeusiewicz R., Grabska-Chrząstowska J., Połcik H.

Computer Methods in Materials Science

2008

Vol. 8, No. 2

58-69

The paper presents a successful attempt to create a neural model for a casting process. Neural network, following the training process, is able to predict selected effects of casting cooling (as a number of metal crystals in certain point of the casting), based on the data referring to the cooling method (the casting is cooled with water, the flow of which is controlled according to a set time algorithm). Various structures of neural networks used for solving the problem in question have been illustrated and the results obtained have been discussed. After creating several successful versions of a straight model, an attempt was made to set up a reverse model, it is such model in which expected control result is supplied to the input of the neural network (here, the number of crystals in a casting), and the network is expected to generate output signal stating how the cooling of the casting should be controlled to accomplish that objective. This has proven impossible, and the relevant reasons and circumstances have been presented.

W artykule zaprezentowano udaną próbę stworzenia neuronowego modelu procesu odlewniczego. Sieć neuronowa po procesie uczenia jest w stanie przewidzieć wybrane efekty chłodzenia odlewu (w postaci liczby kryształów metalu występujących w określonym punkcie odlewu) na podstawie danych dotyczących sposobu chłodzenia odlewu (odlew jest chłodzony wodą, której przepływ sterowany jest według zadawanego wzorca czasowego). W pracy pokazano różne struktury sieci neuronowych używanych do rozwiązywania postawionego problemu oraz przedyskutowano uzyskiwane przy ich pomocy wyniki. Po stworzeniu kilku udanych wersji modelu prostego podjęto próbę stworzenia modelu odwrotnego, to znaczy takiego, w którym na wejście sieci neuronowej podawany jest oczekiwany wynik sterowania (tu - ilość kryształów w odlewie) i oczekuje się, ze sieć na swoim wyjściu wyprodukuje sygnał określający, jak należy sterować chłodzeniem odlewu, żeby ten cel osiągnąć. To zadanie okazało się niemożliwe do zrealizowania, przy czym w artykule dokładnie pokazano przyczyny i okoliczności tej niemożliwości.