Wyniki wyszukiwania - BazTech

1

Regression Using Machine Learning and Neural Networks for Studying Tribological Properties of Wear-Resistant Layers

Malinowski Paweł, Kasińska Justyna

Tribologia

|

2022

|

nr 1

57--64

EN

Artificial intelligence is becoming commonplace in various research and industrial fields. In tribology, various statistical and predictive methods allow an analysis of numerical data in the form of tribological characteristics and surface structure geometry, to mention just two examples. With machine learning algorithms and neural network models, continuous values can be predicted (regression), and individual groups can be classified. In this article, we review the machine learning and neural networks application to the analysis of research results in a broad context. Additionally, a case study is presented for selected machine learning tools based on tribological tests of padding welds, from which the tribological characteristics (friction coefficient, linear wear) and wear indicators (maximum wear depth, wear area) were determined. The study results were used in exploratory data analysis to establish the correlation trends between selected parameters. They can also be the basis for regression analysis using machine learning algorithms and neural networks. The article presents a case study using these approaches in the tribological context and shows their ability to accurately and effectively predict selected tribological characteristics.

PL

Zastosowanie sztucznej inteligencji w różnych dziedzinach nauki i przemysłu jest coraz bardziej powszechne. Duża różnorodność metod statystycznych i predykcyjnych umożliwia użycie ich również w tribologii. Analiza danych liczbowych w postaci charakterystyk tribologicznych, struktury geometrycznej powierzchni oraz wielu innych wymaga zastosowania narzędzi informatycznych oraz statystycznych. Wykorzystanie algorytmów uczenia maszynowego i budowanie modelu sieci neuronowej umożliwi prognozowanie wartości ciągłych (regresja) oraz klasyfikowanie poszczególnych grup. W artykule autorzy dokonują przeglądu możliwości aplikacyjnych algorytmów uczenia maszynowego i sieci neuronowych do analizy wyników badań w szerokim kontekście. Dodatkowo zaprezentowano studium przypadku dla wybranych narzędzi uczenia maszynowego na podstawie przykładowych badań tribologicznych napoin, dla których przeprowadzono testy, w których wyznaczono charakterystyki tribologiczne (współczynnik tarcia, zużycie liniowe) oraz wskaźniki zużycia (maksymalna głębokość wytarcia, pole wytarcia). Wyniki badań były podstawą do przeprowadzenia analizy eksploracyjnej i posłużyły do wykazania korelacji pomiędzy wybranymi parametrami. Autorzy przekonują, że mogą one być podstawą do analizy regresji z wykorzystaniem algorytmów uczenia maszynowego i sieci neuronowych. W artykule zaprezentowano studium przypadku z wykorzystaniem tych podejść w kontekście tribologicznym oraz pokazano ich zdolność do dokładnego i skutecznego przewidywania wybranych charakterystyk tribologicznych.

2

The relationship between the lubricating properties indicators of gear oils determined by different methods

Trzos M., Szczerek M., Kochanek H.

Tribologia

|

2013

|

nr 3

167--176

EN

The research presented in this article analyses the relationship between the different indicators characterizing lubricating properties of gear oils. The values of the analysed indicators were determined with the use of different methods and tribotesters. A four-ball apparatus and a crossed-cylinder wear tester were employed. Several dozen oils were tested, and various measurements of their lubricating properties have been determined. The research results indicate the possibility of describing the relationship between the indicators with the use of a mathematical model. The artificial neural model was developed that presents the relationship of load-wear index and Brugger pressure. The discussion of the model quality is presented and the ability to generalize of the neural model is demonstrated.

PL

W ramach badań prezentowanych w artykule dokonano analizy zależności pomiędzy wskaźnikami zużycia charakteryzującymi właściwości smarne olejów. Wskaźniki wyznaczono dla samochodowych olejów przekładniowych dzięki zastosowaniu różnych metod. W badaniach wykorzystano aparat czterokulowy i tribotester ze skrzyżowanymi walcami. Przetestowano kilkadziesiąt olejów, dla których wyznaczono różne wskaźniki charakteryzujące właściwości smarne. W rezultacie przeprowadzonych analiz wykazano możliwość opisania zależności między wskaźnikami za pomocą modeli matematycznych. Opracowano model logarytmiczny oraz z zastosowaniem sztucznych sieci neuronowych. Modele przedstawiają zależności wskaźnika zużycia pod obciążeniem i wskaźnika „Brugger preasure” wyznaczanego z użyciem crossed-cylinder tester. Przeprowadzono dyskusję jakości modeli, wykazano zdolność modelu neuronowego do generalizacji.

3

Trwałość i zużycie monolitycznych frezów węglikowych

Wittbrodt P.

Eksploatacja i Niezawodność

|

2005

|

nr 3

3-12

PL

W artykule przedstawiono wyniki badań zużycia frezów monolitycznych węglikowych metodą wskaźników. Wykazano nieadekwatność tej metody do zastosowań przemysłowych oraz zaproponowano zastosowanie układu monitorującego stan narzędzia wykorzystującego systemy samouczące.

EN

The article presents selected methods of numerical solving of ordinary differential equations. An attempt has been made to compare applied differential schemes in respect of their precision and their cost of computations. This paper presents the results of investigation of wear mills of monolithic carbide using the indexes method. The article also shows inadequacy of this method to industrial uses and proposes use of equipment monitoring the condition of a tool using the self-learning systems.