PL
 |
EN
Preferencje help
Polish version English version Język
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 15

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
1
Pozyskiwanie nowej wiedzy z danych na przykładzie zawiesinowego procesu otrzymywania miedzi blister. Część 2, Reguły asocjacyjne
Jarosz P., Kusiak J., Talar J.
Rudy i Metale Nieżelazne
|
2009
|
R. 54, nr 7
396-403
PL
W artykule przedstawiono wyniki analizy istniejących powiązań przyczynowo-skutkowych pomiędzy wybranymi parametrami procesu zawiesinowego przetopu koncentratu miedzi. Analizę przeprowadzono z zastosowaniem metod eksploracji danych pozwalających na poszukiwanie reguł asocjacyjnych. Znaleziono technologiczne powiązania wybranych parametrów, charakteryzujących skondensowane produkty procesu z parametrami wejściowymi oraz często mierzonymi parametrami wyjściowymi, które następnie porównano z teoretyczną analizą chemiczną i termodynamiczną procesu.
EN
The paper presents the results of the analysis of the cause-effect relationships between chosen parameters of the copper flash smelting process. The analysis was performed using the data mining methods, resulting in the formulation of existing association rules. The technological relationships between the condensed process products and chosen process input parameters have been found. The obtained results have been verified with the chemical and thermo-dynamical theory of the analysed process.
2
Odkrywanie wiedzy z danych na przykładzie zawiesinowego procesu otrzymywania miedzi blister. Część 1, Analiza korelacji
Jarosz P., Kusiak J., Talar J.
Rudy i Metale Nieżelazne
|
2009
|
R. 54, nr 6
333-337
PL
W artykule przedstawiono wyniki statystycznej analizy procesu zawiesinowego przetopu koncentratów miedzi. Celem było podjęcie próby oceny możliwości poprawy jakości sterowania procesem opartym na analizie powiązań pomiędzy wybranymi parametrami wejściowymi i wyjściowymi procesu. Opierając się na przeprowadzonych obliczeniach współczynników korelacji, dokonano wyboru istotnych parametrów procesu, które mają decydujący wpływ na jego przebieg, a w szczególności na właściwości skondensowanych produktów procesu. Zamieszczone wyniki uzyskano dla danych pomiarowych rzeczywistego procesu.
EN
The paper presents the results of the statistical analysis of the copper flash smelting process. The aim of the research was an attempt of the evaluation of possibilities of improving the quality of the process control on the basis of the analysis of relationships between the chosen input and output process parameters. The important process parameters, which have the significant influence on the process, have been chosen on the basis of performed calculations of the correlation coefficients. The main interest was in the evaluation of the properties of condensed products of the analysed process. Presented results are based on the measurements of the real process.
3
Content available remote Expert system application in modelling and controlling the copper flash smelting process
Talar J., Jarosz P., Kusiak J.
Computer Methods in Materials Science
|
2009
|
Vol. 9, No. 3
379-391
EN
The main goal of the paper is an attempt to develop a rule-based expert system (ES) allowing prediction of the key output parameters of a flash smelting process. The expert system knowledge base was built with classification trees (C4.5 algorithm). The second task of the present study was to develop an expert system to support the selection of the control parameters for flash smelting process optimisation. The present paper also describes the results of flash smelting process modelling by using the ES and the concept of ES operation, in turn supporting the process control.
PL
W ramach niniejszej pracy podjęto próbę opracowania regułowego systemu ekspertowego (SE) pozwalającego na przewidywanie kluczowych parametrów wyjściowych procesu zawiesinowego. Baza wiedzy systemu ekspertowego została opracowana na podstawie drzew klasyfikacyjnych (algorytm C4.5). Drugim zadaniem niniejszej pracy było opracowanie systemu ekspertowego wspomagającego wybór parametrów sterujących do optymalizacji procesu zawiesinowego. W pracy przedstawiono wyniki modelowania parametrów procesu zawiesinowego przy wykorzystaniu SE oraz ideę działania SE wspomagającego sterowanie procesem.
4
Content available remote Association rules as an example of data mining in the analysis of copper flash smelting process – the metallurgist's point of view
Jarosz P., Talar J., Kusiak J.
Computer Methods in Materials Science
|
2009
|
Vol. 9, No. 3
392-399
EN
The paper presents an attempt of the exploration of data sets collected in the copper flash smelting process. The goal of the research was to find the association rules occurring between selected output parameters of the process – copper concentration in the slag and lead concentration in blister copper – and input process parameters. The discovered relationships extend the knowledge on the process and can help to improve the models describing the flash smelting process and the process control system algorithms.
PL
W ramach niniejszej pracy przeprowadzono eksplorację danych, pochodzących z procesu otrzymywania miedzi w piecu zawiesinowym. Celem pracy było odszukanie reguł asocjacyjnych występujących pomiędzy wybranymi parametrami wyjściowymi procesu - stężeniem miedzi w żużlu i stężeniem ołowiu w miedzi - a parametrami wejściowymi. Znalezione zależności poszerzają wiedzę o procesie i mogą być pomocne w zakresie poprawy modeli opisujących proces zawiesinowy oraz algorytmów sterowania procesem.
5
Modelowanie emisji NOx w zawiesinowym procesie wytwarzania miedzi przy wykorzystaniu metody drzew regresyjnych
Talar J., Jarosz P., Stanisławczyk A., Kusiak J.
Rudy i Metale Nieżelazne
|
2007
|
R. 52, nr 3
129-135
PL
Przedstawiono problem przewidywania emisji NOx w zawiesinowym procesie wytwarzania miedzi. Algorytm drzew regresyjnych CART został wykorzystany do przewidywania poziomu NOx w gazach. W modelowaniu tego zjawiska wykorzystano przemysłowe dane pomiarowe. Opracowany model na bazie drzew decyzyjnych pozwolił na identyfikację zmiennych niezależnych, które mają decydujące znaczenie dla przewidywania poziomu stężenia NOx w gazach. Wyniki modelowania uzyskane przez algorytm CART porównano z wynikami sztucznych sieci neuronowych oraz metod regresji liniowej i nieliniowej. Opracowane modele oparte o sztuczne sieci neuronowe oraz drzewo regresyjne mogą być zastosowane w optymalizacji i sterowaniu procesu wytwarzania miedzi pod kątem redukcji szkodliwej emisji NOx.
EN
The problem of prediction of NOx emission in the copper flash smelting process is presented. The CART algorithm was applied to prediction of the NOx content in exhausts. The industrial data were used to modelling of this phenomenon. The model developed on the base of the decision trees allows to identify the independent variables, which are significant for prediction of NOx content in gases. The results of CART algorithm were compared with the artificial neural networks and the linear and non-linear regression models. The elaborated models based on the artificial neural networks and regression tree method can be applied in optimisation and control of the copper production process for reduction of harmful emission of NOx.
6
Content available remote Filtering of Industrial Data using the Artifficial Neural Networks
Stanisławczyk A., Talar J., Jarosz P., Kusiak J.
Computer Methods in Materials Science
|
2007
|
Vol. 7, No. 2
311-316
EN
The data sets, which describe the parameters of any real industrial process, are usually noisy and often not complete. Moreover, the analysis of the data sets is complicated because of the measurement noise of different kinds. The filtering process of the data with the imposed noise is a complex problem and it is difficult to find appropriate general filtering method, which gives the reliable results. Sometimes, the filtering procedure eliminates important information, and sometimes leaves the unnecessary noise. This situation causes many problems with the gathering of the data, which can be useful in modelling of the considered industrial process. The main objective of the work is elaboration of the filtering procedures of the data sets obtained from the copper flash smelting process. The filtered data will serve to work out the Artificial Neural Network based control system of the copper flash smelting process. The existing models of that process are very simplified or based on the FEM models [1-4]. These models are useless from the point of view of the control system, because of its low accuracy and a long computation time. The idea of the control system of the copper flash smelting process is based on the artificial neural networks model [5,6]. The registered in the industrial conditions data are not suitable for the further analysis and modelling of the process. Therefore, the elaboration of the model must be preceded with the filtering of the data. Different techniques were applied to filtering of the noisy industrial data: Fourier Transform Method and techniques based on the Artificial Neural Networks. The filtered data sets were used to creation of the ANN model of the copper flash smelting process. The paper presents the results of filtering of the industrial data and the results of prediction of the chosen parameters of the copper flash smelting process using ANN model elaborated on the base of filtered data.
PL
W procesie modelowania obiektów przemysłowych często napotyka się na trudności związane ze specyfikacją i sposobem akwizycji danych opisujących rzeczywisty obiekt. Rejestrowane dane są zaszumione oraz często niekompletne. Również nie wszystkie istotne parametry mogą być rejestrowane. Filtrowanie danych z nakładającymi się szumami oraz zakłóceniami jest bardzo złożonym problemem, a znalezienie uniwersalnej metody filtrowania, która dawałaby wiarygodne rezultaty jest zadaniem skomplikowanym. Czasem procedury filtrowania eliminują istotne informacje, innym razem pozostawiają zbędny szum. Dlatego też, rejestrowane dane są często nieużyteczne dla dalszej analizy i modelowania procesu. Celem pracy jest prezentacja opracowanej procedury filtrowania, która pozwala na eliminowanie tych komponentów sygnałów wyjściowych, które nie mogą być przewidywane na podstawie rejestrowanych sygnałów wejściowych. Zaproponowany algorytm filtrowania danych wykorzystuje zalety różnych technik: filtrów adaptacyjnych, metody transformaty Fouriera oraz technik opartych o sztuczne sieci neuronowe. Opisano metodę filtrowania danych przemysłowych oraz zaprezentowano zastosowanie jej do filtrowania danych pochodzących z pieca do zawiesinowego wytopu miedzi.
7
Content available remote Data mining methods - application in metallurgy
Talar J.
Archives of Metallurgy and Materials
|
2007
|
Vol. 52, iss. 2
239-250
EN
The objective of the paper is an evaluation of data mining techniques in application to both the analysis of large data sets and the modelling of complex manufacturing processes in the field of metallurgy. The paper presents an idea of the knowledge exploration process from large data sets and the major tasks of data mining. The basics of selected data mining methods are also presented: k- means clustering, decision trees, artificial neural networks and Bayesian networks. The second part of the paper presents some results of the application of selected data mining methods in metallurgy. The examples apply to the data analysis as well as modelling and control of metallurgical processes. The results have shown that data mining methods are very useful for both the analysis and the modelling of complex metallurgical processes.
PL
Celem pracy jest ocena technik eksploracji danych w zastosowaniu do analizy dużych zbiorów danych oraz modelowania złożonych procesów wytwarzania w obszarze metalurgii. W pracy przedstawiono idee procesu eksploracji wiedzy z dużych zbiorów danych oraz główne zadania eksploracji danych. Zaprezentowano również podstawy wybranych metod eksploracji danych: klasteryzacja k- średnich, drzewa decyzyjne, sieci neuronowe oraz sieci Bayesowskie. Druga część artykułu zawiera wyniki zastosowania wybranych metod eksploracji danych w metalurgii. Przykłady dotyczą analizy danych oraz modelowania i sterowania procesów metalurgicznych. Wyniki pokazały, że metody eksploracji danych są bardzo przydatne do analizy i modelowania złożonych procesów metalurgicznych.
8
Wykorzystanie technik sztucznej inteligencji do optymalizacji zawiesinowego procesu otrzymywania miedzi
Talar J., Stanisławczyk A., Jarosz P., Kusiak J., Gostyński Z., Haze D., Wroński P.
Rudy i Metale Nieżelazne
|
2006
|
R. 51, nr 12
736-741
PL
Wytop miedzi w piecu zawiesinowym jest procesem bardzo złożonym [1, 2], a sterowanie nim w warunkach przemysłowych opiera się głównie na doświadczeniu technologów i operatorów pieca. Spotykane modele tego procesu [3÷6] są mało przydatne dla celów sterowania i optymalizacji ze względu na długie czasy obliczeń, jak również na znaczne uproszczenia. Przedstawiono ideę systemu umożliwiającego optymalizację procesu zawiesinowego wytwarzania miedzi opartego o narzędzia sztucznej inteligencji oraz eksplorację danych („data mining"). Do optymalizacji procesu wykorzystano metodę algorytmów genetycznych (AG) oraz model procesu oparty o sztuczne sieci neuronowe (SSN). Zastosowano optymalizację z dodatkowymi ograniczeniami sterujących parametrów wejściowych procesu. Ograniczenia te wyznaczono w wyniku analizy skupień przemysłowych danych pomiarowych. Przedstawiono wyniki optymalizacji wybranych parametrów procesu zawiesinowego.
EN
The objective of the work is optimisation of the copper flash smelting process using the techniques based on artificial inteligence and data mining. The copper flash smelting process is very complex [1, 2]. In the industrial conditions, the control of the process is based on the experience of engineers and operators. The existing models of the process [3÷6] are useless from the automatic control system point of view, because of the long computation time and low accuracy. In the paper, the results of optimisation of the chosen process parameters are presented. The genetic algorithm (GA) and artificial neural networks (ANN) model were used to optimisation of the process. In this work, the optimisation with additional constraints of the input process parameters was applied. These constraints were obtained in the result of the clustering of industrial data.
9
Content available remote Zastosowanie dynamicznych sieci neuronowych do modelowania procesu wytopu miedzi w piecu zawiesinowym
Stanisławczyk A., Talar J., Jarosz P., Kusiak J.
Computer Methods in Materials Science
|
2006
|
Vol. 6, No. 2
116-122
PL
W pracy przedstawiono przykłady wykorzystania dynamicznych SSN do modelowania złożonych procesów przemysłowych, w których obserwuje się opóźnienie sygnałów wyjściowych w stosunku do zmiany sygnałów wejściowych. Uzyskane wyniki przewidywania wielkości wyjściowych opóźnionych w stosunku do sygnałów wejściowych dla prostej funkcji zainspirowały Autorów do podjęcia próby wykorzystania sieci dynamicznych do modelowania rzeczywistego, złożonego procesu przemysłowego. Przedmiotem analizy był zawiesinowy procesu wytopu miedzi. Analizie poddano wpływ opóźnienia pomiaru nadawy koncentratu na temperaturę gazów za kotłem odzysknicowym. Uzyskane wyniki modelowania tego procesu z wykorzystaniem sieci dynamicznych potwierdzają ich przydatność do tego rodzaju zastosowań. Sieci dynamiczne lepiej odwzorowują rzeczywisty przebieg zmian temperatury niż sieci statyczne. Analizowany problem potwierdza fakt, że sieci dynamiczne są bardziej uniwersalne od sieci statycznych w przypadku modelowania procesów z opóźnieniami.
EN
The main objective of the work is evaluation of effectiveness of the dynamic neural networks in modelling of the copper flash smelting process. The fundamentals of the dynamic neural networks were presented in the paper. This type of neural networks was tested in solving the theoretical problem with time-lag. Next, the dynamic neural networks were applied to prediction of the chosen output parameters of the copper flash smelting process. The work presents the comparison of the results obtained by dynamic and static neural networks.
10
Content available remote Zastosowanie sztucznych sieci neuronowych do modelowania procesu otrzymywania miedzi
Talar J., Kondek T., Jarosz P., Kusiak J., Staszak J.
Inżynieria Maszyn
|
2005
|
R. 10, z. 4
166-174
PL
Celem pracy jest opracowanie modelu procesu wytopu miedzi w piecu zawiesinowym przy wykorzystaniu sztucznych sieci neuronowych. Zawiesinowy proces wytwarzania miedzi jest procesem ciągłym i jest on bardzo złożony ze względu na dużą liczbę parametrów go opisujących. Trudności w sterowaniu tym procesem wynikają z jego złożonej struktury, jak również konieczności uwzględnienia wszystkich ograniczeń wynikających z reakcji fizyko-chemicznych zachodzących w piecu, ograniczeń pozostałych ogniw procesu technologicznego oraz wymogów jakości produktów finalnych. Obecnie, sterowanie pracą pieca zawiesinowego opiera się w głównej mierze na doświadczeniu technologów i sterników. Istniejące modele tego procesu, oparte o modele numeryczne przepływu masy i ciepła, są bezużyteczne dla celów sterowania w warunkach rzeczywistych, ze względu na długie czasy obliczeń. W ramach niniejszej pracy podjęto próbę opracowania modelu pracy pieca zawiesinowego przy wykorzystaniu sztucznych sieci neuronowych, który mógłby być wykorzystany w sterowaniu tym procesem w czasie rzeczywistym. W pracy przedstawiono ogólną koncepcję sterowania procesem zawiesinowym oraz wyniki sztucznych sieci neuronowych w przewidywaniu parametrów wyjściowych procesu zawiesinowego.
EN
The main objective of the work is elaboration of the artificial neural network model of the copper flash smelting process. The copper flash smelting process is continuous of extremely complex structure and many input and output variables. It causes difficulties for the automatic control of that process. Moreover, there are many technological restrictions that must be respected, as well as requirements of the final product quality. Therefore, the control of the process is mainly based on the experience of engineers and operators. The existing theoretical models are based on the thenno-physics of the occurring physical and chemical reactions and require time consuming solving of complex numerical equations, which makes them useless for the on-line control system. The worked out model of the copper flash smelting process can be used in the proposed on-line automatic control system. The main idea of such control system, as well as the results of predictions of the ANN model are presented.
11
Zastosowanie metod sztucznej inteligencji w modelowaniu procesu wytopu miedzi
Śledzińska A., Talar J., Kusiak J.
Informatyka w Technologii Materiałów
|
2005
|
T. 5, Nr 1-2
26-32
PL
W pracy podjęto próbę zastosowania metod sztucznej inteligencji do przewidywania istotnego dla sterowania procesem wytopu miedzi parametru wyjściowego, jakim jest poziom "gotowania". Celem było opracowanie trzech metod badawczych (SB, SSN, SE), które w oparciu o parametry wejściowe potrafią przewidzieć poziom gotowania. Poziom gotowania jest parametrem wyjściowym a zarazem niepożądanym zjawiskiem w procesie wytopu miedzi. W pracy wykorzystano dane przemysłowe. Przeprowadzona analiza uzyskanych wyników wskazuje, że zaprezentowane w pracy metody sztucznej inteligencji (sieci bayesowskie, sztuczne sieci neuronowe i system ekspertowy), mogą być z powodzeniem wykorzystane do modelowania procesu zawiesinowego wytopu miedzi. W przypadku analizy zjawiska gotowania sieci bayesowskie dają lepsze wyniki w zaklasyfikowaniu przykładów do kategorii "OK" i "ŹLE", w porównaniu z dwoma pozostałymi metodami. Natomiast dokładniejsze wartości przewidywania poziomu gotowania zaklasyfikowanych do kategorii "OSTRZEŻENIE", uzyskano przy wykorzystaniu sieci neuronowych oraz systemów ekspertowych. Uzyskane wyniki pozwalają stwierdzić, że SB, SSN oraz SE są, efektywnym narzędziem do przewidywania parametrów wyjściowych złożonych procesów przemysłowych.
EN
The objective of the work is assessment of the effectiveness of the use of artificial intelligence methods in modelling of the copper flash smelting process. Bayesian Network (BN), Artificial Neural Network (ANN) and Expert System (ES) were used in prediction of chosen parameters of the technological process and obtained results are presented.
12
Modelowanie chłodzenia kręgów taśmy w piecach kołpakowych przy wykorzystaniu metod sztucznej inteligencji
Talar J., Kusiak J.
Informatyka w Technologii Materiałów
|
2004
|
T. 4, Nr 3
105-113
PL
kręgów taśmy w piecach kołpakowych. Do aproksymacji funkcji chłodzenia zastosowano sztuczne sieci neuronowe oraz system ekspertowy. Uzyskane wyniki poddano weryfikacji metodami regresji liniowej i nieliniowej. Wyniki obliczeń sztucznymi sieciami neuronowymi potwierdzają skuteczność tej metody w aproksymacji złożonych funkcji. Błąd średniokwadratowy sztucznej sieci neuronowej wynosił Fi = 0,13. Natomiast wyniki uzyskane przez system ekspertowy nie były aż tak zadowalające (błąd Fi = 0,25). Metoda zastępczych współczynników wymiany ciepła oraz modele regresyjne nie dały satysfakcjonujących rezultatów. Należy zauważyć, że dla każdej z zastosowanych metod, największe błędy w modelowaniu etapu chłodzenia występowały w fazie chłodzenia naturalnego. Źródłem tych błędów są niewątpliwie zaburzenia w danych pomiarowych, które są wynikiem zdejmowania kołpaka grzewczego. Niemniej jednak metody sztucznej inteligencji uzyskały zdecydowanie lepsze wyniki, w porównaniu z innymi metodami, w modelowaniu tak złożonego procesu jakim jest chłodzenie kręgów taśmy w piecach kołpakowych. Wyniki sztucznych sieci neuronowych charakteryzowały się dobrą zbieżnością i uzyskały one jakościowo najlepszy charakter dopasowania krzywych chłodzenia. Ponadto, w pracy zastosowano metody sztucznej inteligencji do przewidywania czasu chłodzenia w piecach kołpakowych. W tym przypadku, wyznaczenie czasu trwania cyklu wyżarzania było istotne z punktu widzenia planowania produkcji. Należy podkreślić, że sztuczne sieci neuronowe uzyskały najlepsze wyniki w przewidywaniu czasu chłodzenia w porównaniu do innych metod. Wyniki uzyskane metodami sztucznej inteligencji potwierdzają ich skuteczność w modelowaniu chłodzenia kręgów taśmy w piecach kołpakowych.
EN
The objective of the paper is evaluation of effectiveness of the artificial intelligence methods in modelling of cooling process in bell-type annealing furnaces. Artificial neural networks (ANN) and expert system (ES) - based on the ID3 algorithm - were applied to the approximation of cooling curves in bell-type annealing furnaces. The results of the artificial intelligence approach were compared with the linear and non-linear regression methods. The results of modelling of cooling process by the classical model of heat exchange are also presented in the paper.
13
Prognozowanie czasów chłodzenia kręgów taśmy w piecach kołpakowych dla potrzeb planowania produkcji w walcowni blach na zimno
Talar J., Kusiak J.
Hutnik, Wiadomości Hutnicze
|
2004
|
Vol. 71, nr 3
129-134
PL
Opracowanie harmonogramów produkcji blach zimnowalcowanych jest bardzo złożone. Przy planowaniu produkcji istnieje konieczność uwzględnienia wielu ograniczeń technologicznych i organizacyjnych. Jednak najbardziej istotne jest odpowiednie planowanie pracy pieców kołpakowych, ponieważ oddział ten stanowi wąskie gardło w procesie produkcji w walcowni blach na zimno. Cykle wyżarzania w piecach kołpakowych są bardzo długie i trudne do oszacowania, ze względu na trudności w przewidywaniu czasów chłodzenia. W pracy przedstawiono przykład zastosowania metod sztucznej inteligencji do przewidywani czasówchłodzenia w piecach kołpakowych dla potrzeb planowania produkcji w walcowni blach na zimno.
EN
The elaboration of production schedules of cold rolled sheets is very difficult. It is necessary to consider many technological and organizational limits in production planning. The most important is the proper planning of bell - type annealing furnaces work, because this department is the bottleneck of production process in cold - rolling mill. The annealing cycles are very long and hard to evaluation, because of difficulties in prediction of cooling time. The paper presents an example of an application of the artifical inteligence methods to prediction of cooling time in bell - type annealing furnaces for production planning of cold - rolling mill.
14
Filtrowanie danych pomiarowych przy wykorzystaniu analizy falkowej i sztucznych sieci neuronowych
Talar J., Rauch Ł., Kusiak J.
Informatyka w Technologii Materiałów
|
2003
|
T. 3, Nr 3-4
180--188
PL
Niniejsza praca stanowi próbę analizy danych pomiarowych prób spęczania obarczoych różnego rodzaju szumami pomiarowymi. Do filtrowania wykorzystano nowoczesna narzędzia, do których zaliczyć można analizę falkową oraz sztuczne sieci neuronowe. Przedstawione na rysunkach 3-8 wyniki filtrowania dowodzą, że analiza falkową oraz sztuczne sieci neuronowe charakteryzują się dużą skutecznością filtrowania danych pomiarowych obarczonych sygnałem zakłócającym w postaci szumu pomiarowego. Analiza danych dotyczyła pomiarów przeprowadzonych w próbie spęczania dla różnych materiałów (stal austenityczna, stal do pracy w niskich temperaturach) i dla różnych wartości temperatury i prędkości odkształcenia. W każdym z rozważanych przypadków badane metody okazały się efektywnymi narzędziami filtrowania danych. Odfiltrowane w ten sposób dane mogą być użyteczne do wykorzystania w obliczeniach analizy odwrotnej, mającej na celu optymalne dopasowanie modelu matematycznego opisującego krzywą umocnienia odkształcanego metalu. Uzyskane wyniki potwierdzają przydatność obu technik do filtrowania danych pomiarowych i stanowią kolejny przykład możliwości wykorzystania sztucznych sieci neuronowych do rozwiązywania złożonych problemów z dziedziny inżynierii materiałowej. Filtrowanie danych pomiarowych z wykorzystaniem omówionych metod jest bardziej obiektywne w stosunku do klasycznych metod filtrowania, wymagających subiektywnego założenia wartości pewnych parametrów od których uzależniony jest efekt końcowy filtrowania. Kierunki dalszych badań winny być skierowane w stronę oceny błędów filtrowania. Odfiltrowane dane pomiarowe mogą być następnie wykorzystane w analizie odwrotnej, celem wyznaczenia optymalnych parametrów opisujących model odkształcanego materiału na podstawie wyników z prób plastometrycznych.
EN
The analysis of experimental measurements is sometimes difficult, if the registered data are superimposed be noisy signals. The source of such noise is often the improper sensitivity calibration of measuring devices. Sometimes, such data are even useless for the further analysis. Therefore, the goal of the present paper is an attempt of application of two different filtering techniques, including the artificial intelligence methods (artificial neural networks) to the filtering of the noisy experimental data. Examples of filtering results using described techniques are presented.
15
Application of genetic algorithms for identification of rheological and friction parameters in copper deformation processes
Talar J., Szeliga D., Pietrzyk M.
Archives of Metallurgy
|
2002
|
Vol. 47, iss. 1
27-41
EN
The objective of the paper is an evaluation of optimization technique based on genetic algorithm, concerning an applicability of the method to the inverse analysis. The general principles of the inverse analysis are discussed in the paper and short description of the ditect model based on the finite element solution is given. Genetic algorithm is presented next and an implementation of the method into the inverse analysis is shown. Practical application of the algorithm is investigated for copper rings compressed on the Gleeble 3800 simulator. Load-displacement data and shape of the ring after compression were used as input to the inverse analysis. Three optimization methods are compared in this analysis: genetic algorithm, hooke-Jeeves and simplex. The parameters of the analysis were selected taking into account a similar nimber of callings of the finite element solver for all methods. Comparison of the results has shown that genetic algorithm is a efficient optimization technique for the inverse method applications. It confirmed good accuracy and convergence as well as avoiding of local minima during the optimization process.
PL
Celem pracy jest ocena przydatności metody optymalizacji opartej o algorytmy genetyczne, do analizy odwrotnej procesów plastycznej przeróbki metali. W pracy przedstawiono ogólne zasady analizy odwrotnej i opisano model zadania bezpośredniego wykorzystujący sztywno-plastyczne rozwiązanie metodą elementów skończonych. zaprezentowno algorytmy genetyczne w aspekcie ich implementacji do rozwiązania problemu odwrotnego oraz zbadano skuteczność metody dla pierścieni spęczanych w symulatorze Gleeble 3800. Wyniki pomiarów siły w funkcji przemieszczenia stempla araz kształt pierścienia po odkształceniu stanowiły dane wejściowe do analizy odwrotnej. Ponadto algorytmy genetyczne zostały porównane z klasycznymi metodami optymalizacji: algorytmem Hooke'a-Jeevesa i metodą sympleksów, przy czym kryterium porównawczym była liczba wywołań programu metody elementów skończonych niezbędna do osiągnięcia minimum. Wyniki analizy odwrotnej dla różnych metod optymalizacji pokazały, że algorytmy genetyczne są przydatne w zastosowaniach do analizy odwrotnej. Procedura wykazuje zarówno dobrą dokładność i zbieżność jak też skuteczność w omijaniu minimów lokalnych.
first rewind previous Strona / 1 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.