Wyniki wyszukiwania - BazTech

1

Zastosowanie sieci neuronowych do określania stanu obciążenia wirnika nośnego

Stanisławski J.

Prace Instytutu Lotnictwa

|

2006

|

Nr 1-2 (184-185)

203-214

PL

Zastosowanie sieci neuronowej umożliwi, na podstawie łatwiej dostępnych danych pomiarowych jak predkość lotu oraz wychylenia sterownic, określanie wartości parametrów trudniejszych do pomiaru, które w czasie normalnej eksploatacji śmigłowca nie są rejestrowane. Zadanie bieżącej kontroli obciążeń wirnika oraz oceny poziomu zapasu do osiągnięcia ograniczeń eksploatacyjnych może przejąć sieć neuronowa. Wyniki działania wytrenowanych sieci neuronowych wyznaczających amplitudy i wartości średnie momentu sterowania łopatą i momentu gnącego korpus piasty przedstawiono w formie wykresów rozrzutu wartości obliczeniowych w zestawieniu z wartościami oszacowania danego parametru dokonanego przez sieci.

EN

The application of a neural network will enable, through more accessible measurable data such as flight velocity and deflection of the flight controls, the evaluation of parameter values more difficult to measure, which are not registered during standard operation of the helicopter. The task of continuous estimation of loads and reserves to obtain maximum operating conditions, can be performed by a neural network. The results of neural networks signifying amplitudes and average values of the blade pitch control moment and rotor hub bending moment are presented in the form of charts of the distribution of simulated data in comparison witch values from the estimate of a given parameter performed by the network.

2

Application of neural networks to acceleration control of electric wheelchair

Bojarczyk P., Goryca Z.

Prace Instytutu Elektrotechniki

|

2006

|

Z. 229

87-95

EN

In this paper the acceleration block of controlling software of electric wheelchair has been presented. This acceleration block was implemented with the use of MLP and neurofuzzy networks. For the sake of moderate throughput of microcontroller being used to implementation of this software, the network of smaller structure (neurofuzzy) has been chosen to realization.

PL

Artykuł omawia oprogramowanie bloku sterowania przyspieszenia wózka inwalidzkiego. Blok ten wdrożono przy użyciu MLP i sieci neuronowej rozmytej. Dla moderacji przepustowości użytego mikrosterownika do wdrożenia tego oprogramowania wybrano do realizacji sieć o mniejszej konstrukcji (neuro-rozmytą).

3

Zastosowania sztucznych sieci neuronowych w mechanice i inżynierii

Lefik M.

Zeszyty Naukowe. Rozprawy Naukowe / Politechnika Łódzka

|

2005

|

Z. 341

3-258

PL

W prezentowanej pracy można wyróżnić dwa podstawowe obszary tematyczne. Pierwszy z nich to użycie sieci neuronowych warstwowych do modelowania konstytutywnego oraz do identyfikacji parametrycznej, drugi to konstruowanie programów eksperckich przy użyciu sieci typu IAC i baz danych. Pierwsze trzy rozdziały pracy mają charakter rozdziałów wstępnych. Zdefiniowano w nich terminologię oraz opisano narzędzia numeryczne, użyte w dalszej części rozprawy. Kolejne pięć rozdziałów zawiera przykłady zastosowań sztucznych sieci neuronowych w mechanice i w inżynierii. W rozdziale pierwszym przedstawiono krótko genezę i zarys rozwoju historycznego sztucznych sieci neuronowych, opisano elementy budowy operatora neuropodobnego oraz proces transmisji sygnału wejściowego przez sztuczną sieć neuronową. Jak wiadomo, sztuczne sieci neuronowe mogą być analizowane przy użyciu wielu różnych formalizmów matematycznych. W dalszej części rozdziału pierwszego przedstawiono sieć neuronową warstwową jako interpretację graficzną i algorytmiczną wzorów aproksymacyjnych dla funkcji, funkcjonału i operatora. W rozdziale drugim przedstawiono praktyczne metody doboru parametrów sieci neuronowej. Rozpatrzono zagadnienie uczenia nadzorowanego. Przedstawiono metodę największego spadku oraz wynikający z niej algorytm wstecznej propagacji błędu dla doboru wag synaptycznych i biasów w SSN. W dalszej części rozdziału przedstawiono sposób obliczania pochodnej sygnału wyjściowego sieci względem składowych sygnału wejściowego. Przedstawiono zarys analizy jakości wytrenowania SSN. W końcowej części rozdziału autor formułuje "algorytm wielokrotnych startów" służący do oceny prawidłowości działania sieci bez użycia zbioru testującego. Rozdział trzeci poświęcony jest w całości sieciom rekurencyjnym. Przedstawione są sieci typu Hopfielda-Tanka i sieci typu IAC (wzajemna interakcja i konkurencja). W rozdziale czwartym przedstawiono przykład zastosowania sztucznych sieci neuronowych do identyfikacji parametrycznej teoretycznego modelu zachowania mechanicznego kompozytu włóknistego, pod działaniem obciążenia cyklicznego. Sieć neuronową wytrenowano tak, że fragmenty wykresu uzyskanego przy zastosowaniu modelu matematycznego - zostały stowarzyszone z wartościami parametrów, dla których zostały wykreślone. Dzięki temu, prezentacja wykresu eksperymentalnego na wejściu sieci pozwala otrzymać wartości parametrów, dla których, w ramach przyjętego modelu, można otrzymać realistyczny opis zjawiska. W rozdziale piątym przedstawiono metodę bezpośrednią opisu związku konstytutywnego przy pomocy sieci neuronowej. Skupiono uwagę na reprezentacji przyrostowej związku konstytutywnego. Metodę aproksymacji opracowano tak, aby możliwe było przybliżanie funkcji wielowartościowych przy jej pomocy. Uznano, że miarodajnym kryterium poprawności reprezentacji jest zdolność sieci do samodzielnego symulowania zachowania mechanicznego ośrodka dla zadanego programu obciążenia. Rozdział szósty poświęcony jest w całości rozwinięciu zasadniczych tez zarysowanych w rozdziale piątym. Przedstawiono sposób wpisania reprezentacji neuronowej związku konstytutywnego do programu metody elementów skończonych. Zamieszczono dwa przykłady. Pierwszy przedstawia aproksymację danych doświadczalnych opisujących histerezę sorpcji w materiale porowatym przy pomocy SSN, a następnie zastosowanie tego opisu w modelu numerycznym suszenia i zwilżania przegrody budowlanej, rozwiązanym programem MES. Drugi przykład to rozszerzenie modelu cewki nadprzewodzącej, przedstawionego w rozdziale poprzednim, na zadanie dwuwymiarowe. W rozdziale siódmym skupiono uwagę na zastosowaniach SSN do modelowania efektywnych własności kompozytów. Efektywny związek konstytutywny aproksymowany przez sztuczną sieć neuronową jest tu zdefiniowany numerycznie na podstawie skończonej liczby przykładów, bez konieczności przyjmowania założeń "a priori" dotyczących jego postaci. Przedstawiono różne metody gromadzenia danych konstytutywnych koniecznych do treningu sieci: metoda bezpośrednia, metoda samouczącego się programu MES oraz koncepcja zastosowania sieci Hopfielda-Tanka do generacji uśrednionych stanów naprężeń. Przedstawiona w tym rozdziale metoda identyfikacji bezpośredniej parametrów efektywnych związków konstytutywnych pozwala na aproksymację zależności funkcyjnej charakterystyk efektywnych od opisu mikrostruktury. Zależność taka jest trudna do uzyskania w ramach klasycznej teorii homogenizacji. Rozdział ósmy pracy poświęcony jest budowie programów eksperckich opartych nie na regułach wnioskowania, ale na opisach sytuacyjnych zgromadzonych jako przykłady w bazie danych. Do tego celu służy sieć IAC, która użyta jest jako "inteligentna powłoka" nad bazą danych. Przedstawiono dwa przykłady takich zastosowań. Porównano sprawność "inteligentnej bazy danych" z rozwiązaniem tych samych zadań przy użyciu sieci warstwowej.

EN

Applications of artificial neural networks in mechanics and in engineering Two kinds of artificial neural networks are mainly addressed in this book. These are: ANNs with hidden layers trained using error back propagation method and an Interactive Activation and Competition ANN. Three initial chapters are introductive while in the five other chapters different applications of the ANN in Mechanics and in Engineering are presented and illustrated with examples. In the first chapter a short historical review of the development of ANN is presented. Author introduces then a formal definition of a neural-like operator and describes its structural elements. The formalism of transmission of an input signal through the neural network is also presented. The aim of this chapter is an interpretation of a classical neural network with hidden layers as a universal approximator of a function, of a functional or of an operator. In the second chapter author reviews some fundamental algorithms that allow finding proper parameters of the ANN with hidden layers. Problem of correct design of the ANN is discussed and some methods of construction of a rational ANN are suggested. Third chapter is devoted to a theory and analysis of recurrent neural networks. The attention is focused on Hopfield-Tank ANN, IAC ANN and on cellular neural net. The fourth chapter presents an example of the use of the ANN with hidden layers for parameter identification of a theoretical model of mechanical behaviour of a fibrous composite under transversal cyclic loading. A set of parameters of a generalised elasto-plastic model is identified to ensure the best accordance between two families of graphs of stress: that predicted by the theory and the experimental one. The adaptation of the theoretical model to obtain a better description of the experimental data is described and the application of the ANN technique for parameter identification is presented. An interpretation of the nature of mechanical processes that govern the considered experiment is proposed and confirmed by the analysis of identified parameters. In the fifth chapter the artificial neural network with two hidden layers is trained to approximate directly a mechanical constitutive relationships for a superconducting cable under transverse cyclic loading. The training is performed using the same, as in the previous chapter, set of experimental data. The behaviour of the cable is strongly non-linear. Irreversible phenomena result with complicated loops of hysteresis. The performance of the ANN, which is applied as a tool for storage interpolation and interpretation of experimental data, is investigated, both from numerical, and from physical viewpoints. The representation of the complex experimental data via ANN is very convenient as a definition of constitutive material relationships for finite element method. The incremental representation of constitutive law is chosen as a suitable form that can be approximated with ANN and used in FE code. Exemplification of the use of the ANN as a constitutive procedure in a FE code is presented in the sixth chapter. First example is the use of ANN inside the hydro-thermo-mechanical FE program HAMTRA to handle a constitutive dependence of sorption on relative humidity in the pores of the porous medium. The second example consists of a 2D continuation of the analysis of the superconducting strand. In the seventh chapter the ANN is used for approximation of the effective constitutive law for composite materials. First, neural network is used as an approximator of the functional dependence of values of components of the effective constitutive matrix on mechanical properties of the components of the cell of periodicity. This dependence is known from examples furnished by direct application of the homogenisation procedure for the exemplary cells. Next, the attention is focused on application of a so-called "self-learning" finite element procedure to modelling an effective behaviour of composites. Third method bases on the simultaneous use of Hopfield-Tank neural network to generate statically admissible stress fields and the ANN with hidden layers to associate them with a corresponding, known state of deformation. It should be highlighted that the above methods can be used in numerical modelling of nonlinear material behaviour with hysteresis. Concept of an application of a neural network of the Interactive Activation and Competition (IAC) type as a basic structure of an expert program that operates not on the rules but on the data collected in a data base - is presented in the eights chapter. Two examples are analysed: an intelligent database containing technical description of building objects and the second - IAC network as a tool for energy auditor. These expert programs joint two functions: collect technical data describing some building objects and allows us to obtain some "opinions" concerning their technical and thermal state. The only source of knowledge, the expert program needs, is a sufficiently rich set of examples. The similar functionality can be obtained with a use of ANN with hidden layer. It is concluded, however, that the IAC network is more advantageous in the role of an "intelligent shell" over a database.

4

System diagnostyki degradacji geometrii obiektów energetycznych

Głuch J., Krzyżanowski J.

Pomiary Automatyka Kontrola

|

2005

|

R. 51, nr 9 bis

166--169

PL

Autorzy zbudowali dwu-modulowy system termicznej diagnostyki obiektów energetycznych [1]. Celem systemu jest nie tylko poszukiwanie niesprawnych aparatów obiektu energetycznego [1 rozdz. 12.2] i określenie typu ich degradacji [1 rozdz. 13.3] ale także zbadanie degradacji geometrii tych aparatów , np. [1 rozdz. 14.4.5] . Na tym polega nowatorska jakość tego systemu diagnostycznego.

EN

The authors developed the bi-inodular thermal diagnostic system for power cycles, [1]. The target of the systems is not only search for inefficient components of the complex power cycle [1 cap. 12.2] and determination of the type of its deterioration, [1 cap. 13.3], but also recognition of the geometry degradation of its faulty apparatuses, eg.[1 cap. 14.4,5]. This is the novelty of the approach and the main topic of the paper.

5

Zastosowanie sieci neuronowej do badania przebiegów czasowych rozruchu maszyny indukcyjnej

Rad M., Dybowski P.

Maszyny Elektryczne : zeszyty problemowe

|

2004

|

Nr 69

25-27

EN

The paper presents application of artificial neural network in induction machine speed determination making use of current and voltage waveforms. Also speed values in past sequences are given to the network input, to secure recurrental capability of the standard static network. Training and testing was made on real 3kW-induction machine. In the training set we have data from a few starting cycles. Final results are quite good and could be a base for further investigations. The advantage of this model is that the speed calculation based on the measurement of the real values of current and voltage. In practical, speed measurement is more difficult then current and voltage measurement, so someone may consider using this model instead of speed measurement.

6

Employment of neural networks for analysis of chemical composition and cooling rate effect on CCT diagrams shape

Dobrzański L.A., Trzaska J.

Inżynieria Materiałowa

|

2004

|

R. XXV, nr 3

472-475

EN

The paper presents possibility of employment of the original supercooled austenite transformation anisothermic diagrams forecasting method for analysis of the chemical composition effect on the CCT diagrams shape. The developed model makes it possible to substitute computer simulation for the costly and time consuming experiments. The information derived from calculations make it possible to plot diagrams illustrating the effects of the particular elements or pairs of elements, as well as cooling rate and/or austenitizing temperature, on any temperature or time describing transformations in steel during its continuous cooling. Evaluation is also possible of the effect of the aforementioned factors on hardness and fractions of the particular structural constituents.

PL

W pracy przedstawiono możliwość zastosowania oryginalnej metody prognozowania anizotermicznych wykresów przemian austenitu przechłodzonego do analizy wpływu składu chemicznego na postać krzywych CTPc. Opracowany model pozwala na zastąpienie kosztownych i czasochłonnych eksperymentów przez symulację komputerową. Uzyskane w wyniku obliczeń informacje pozwalają na sporządzenie wykresów ilustrujących wpływ pojedynczych pierwiastków lub par pierwiastków stopowych a także szybkości chłodzenia i/lub temperatury austenityzowania na dowolną temperaturę lub czas opisujące przemiany w stali podczas chłodzenia ciągłego. Możliwa jest również ocena wpływu wspomnianych czynników na twardość i udział poszczególnych składników strukturalnych.

7

Modelowania układu mielenia i klasyfikacji rury miedzi z zastosowaniem sieci neuronowych

Kurletko S., Trybalski K.

Zeszyty Naukowe. Górnictwo / Politechnika Śląska

|

2002

|

z. 255

505-519

PL

W publikacji przedstawiono próbę zastosowania sieci neuronowych - jednej z uniwersalnych metod - do modelowania złożonego procesu mielenia i klasyfikacji. Rozpatrywane procesy wchodzą w skład węzła przygotowania nadawy w Zakładach Wzbogacania Rudy "Rudna" KGHM "Polska Miedź" S.A. W badaniach zastosowano sieć neuronową uczoną metodą wstecznej propagacji błędów.

EN

The attempt of neural networks application (one of the universal methods) - for the complex grinding and classification process modeling is presented in the paper. The considered processes are the part of the center of the feed preparation in the ZWR "Rudna" KGHM "Polska Miedź" SA. In the researches the neural network, learned by the method of the backward error propagation is used.

8

Genetic algorithms and evolution strategies application for ship loading

Olej V., Świątnicki Z.

Biuletyn Wojskowej Akademii Technicznej

|

2001

|

Vol. 50, nr 2-3

35-51

EN

An applicability of multiparameter systems is determined by their optimization for desired task. New methods of multiparameter system optimization have been recently published. These are, for example, neural networks [19, 20] and evolution stochastic optimization algorithms. Design and analysis of evolution stochastic optimization algorithms requires unambiguous formulating and possibility to predict the algorithm behaviour while designing them. The paper presents design and analysis of genetic algorithms (evolution strategies), new genetic algorithms (evolution strategies) with a distributed genotype, and new distributed genetic algorithms (evolution strategies). These algorithms can be used (in addition to other fields of artificial intelligence, i.e. neural networks [19, 20] expert systems [17, 18]) for rectangle packing applications (for example ship loading). This paper shows possibilities to formulate genetic algorithms and evolution strategies using schema and forma analysis.

PL

W pracy zostało przedstawione zastosowanie systemów wieloparametrycznych do optymalizacji w wybranych zagadnieniach (na przykład załadunku okrętów). W literaturze pojawiają się ostatnio różne metody optymalizacji systemów wieloparametrycznych. Są to, na przykład, sieci neuronowe [19, 20] oraz ewolucyjne stochastyczne algorytmy optymalizacyjne. Konstruowanie i analiza ewolucyjnych stochastycznych algorytmów optymalizacyjnych wymaga jednoznacznego formułowania i możliwości przewidywania działania algorytmu już podczas jego projektowania. Praca prezentuje projektowanie i analizę algorytmów genetycznych (strategii ewolucyjnych) z rozproszonym genotypem, a także zmodyfikowanych rozproszonych algorytmów genetycznych (strategii ewolucyjnych). Algorytmy takie mogą być wykorzystywane (obok innych narzędzi sztucznej inteligencji, np. sieci neuronowych [19, 20], systemów eksperckich [17, 18]) do rozmieszczania prostokątnych obiektów (na przykład załadunku okrętów). W pracy przedstawiono przykłady zastosowania w tym celu algorytmów genetycznych i strategii ewolucyjnych.

9

Zastosowanie technik sieci neuronowych w systemie sterowania sygnalizacją świetlną

Wąsik R.

Zeszyty Naukowe. Transport / Politechnika Śląska

|

2000

|

z. 41

139-149

PL

Przedstawiono metodę zastosowania w systemach sterowania ruchem drogowym algorytmów obliczeniowych opartych na sieciach neuronowych. Omówiono założenia do systemu sterowania "NEURO OPTYMAL" , wykorzystującego dotychczasowe opracowania Zakładu Informatyki Transportu wykonane z udziałem autora publikacji.

EN

The paper presents main ideas of neural networks application for a traffic control algorithms that have been implemented for the "NEURO OPTYMAL" package. The new model uses the OPTYMAL package that has already been developed in the Department of Transportation System Informatics.

10

Zastosowanie sieci neuronowych we włókiennictwie. Cz.1. Rozpoznanie literaturowe

Frydrych I., Dziworska G., Jackowska L.

Przegląd Włókienniczy + Technik Włókienniczy

|

1999

|

nr 7

9-12

PL

W części pierwszej artykułu omówiono ogólne zasady działania sieci neuronowej, aby przybliżyć tę tematykę włókiennikom, którzy nie są fachowcami w tej dziedzinie matematyki-informatyki.

11

Military applications of neural networks

Świątnicki Z.

Biuletyn Wojskowej Akademii Technicznej

|

1999

|

Vol. 48, nr 11

183-190

EN

The main applications of neural networks in military systems were described. The idea of neurocomputer was shown. Application of neural networks in military robots was presented. The main tasks of neural networks in military systems were discussed.

PL

W pracy omówiono podstawowe wojskowe zastosowania sieci neuronowych. Opisano ideę neurokomputera. Zostało zaprezentowane wykorzystanie sieci neuronowych do konstrułowania robotów wojskowych. Przedstawiono próbę klasyfikacji zadań realizowanych przez sieci neuronowe.