Modeling of contact wire’s de-iceing phenomena using artificial neural networks

• Autorzy: Dudzik, M. , Trębacz, P. , Hudym, V.

Warianty tytułu

PL

Modeling of contact wire’s de-iceing phenomena using artificial neural networks

• Języki publikacji: EN

Abstrakty

EN

The article presents results of iced wire’s temperature approximation during process of heating this wire to melt ice. This approximation was implemented in Matlab using a two-layer feedforward artificial neural network (ANN). The results of the approximation are acceptable, but it is possible to improve them.

PL

W artykule przedstawiono wyniki aproksymacji temperatury oblodzonego przewodu podczas procesu jego nagrzewania w celu roztopienia osadu. Do aproksymacji wykorzystano sztuczną sieć neuronową (SSN) dwuwarstwową typu feedforward, zaimplementowaną w środowisku Matlab. Uzyskane wyniki aproksymacji są zadowalające, niemniej istnieje możliwość ich polepszenia.

Słowa kluczowe

PL

topienie oblodzenia; oblodzony przewód; sztuczne sieci neuronowe

EN

melting of ice; iced wire; artificial neural network

• Czasopismo: Technical Transactions
• Rocznik: 2018
• Tom: Vol. 115, iss. 10
• Strony: 111--117
• Opis fizyczny: Bibliogr. 9 poz., rys., wykr.

Twórcy

autor

Dudzik, M.

• Faculty of Electrical and Computer Engineering, Cracow University of Technology,

autor

Trębacz, P.

• Faculty of Electrical and Computer Engineering, Cracow University of Technology,

autor

Hudym, V.

• Lviv State University of Life Safety, Ukraine,

Bibliografia

• [1] Bartman J., Podstawowe funkcje biblioteki narzędziowej ”Neural Network Toolbox. Version 5” pakietu MATLAB v.6, Uniwersytet Rzeszowski, Zakład Elektrotechniki i Informatyki, online.
• [2] Dudzik M., Drapik S., Prusak J., Approximation of overloads for a selected tram traction substation using artificial neural networks, Technical Transactions, 3-E/2016, 39–50.
• [3] Dudzik M., Drapik S., Prusak J., Kobielski A., Studium efektywności zastosowania sieci neuronowych w badaniach obciążeń kolejowych podstacji trakcyjnych, MET’2013: 11th International Conference „Modern Electric Traction”, Poland, Warszawa 2013, 176–180.
• [4] Hudym V., Jagiełło A., Prusak J., Chrabąszcz I. Trębacz P., Kaczmarczyk A., Metodyka usuwania oblodzenia z sieci trakcyjnej, Logistyka 6/2015, 1055–1062.
• [5] Hudym V., Jagiełło A., Prusak J., Chrabąszcz I. Trębacz P., Preventing the formation of ice on the catenary lines, Technical Transactions, 3-E/2016, 173–184.
• [6] Kobielski A., Drapik S., Dudzik M., Prusak J., Wstępne studium efektywności zastosowania sieci neuronowych w badaniach obciążeń kolejowych podstacji trakcyjnych. TTS Technika Transportu Szynowego, 10/2014, 40–43.
• [7] Korbicz J., Obuchowicz A., Uciński D., Sztuczne sieci neuronowe. Podstawy i zastosowania. Akademicka Oficyna Wydawnicza PLJ, Warszawa 1994.
• [8] Malina A., Dudzik M., Wykorzystanie algorytmów sieci neuronowych w celu zmniejszenia amplitud wahań momentu elektromagnetycznego silnika indukcyjnego w metodzie sterowania wektorowego DTC, Elektrotechnika w zastosowaniach trakcyjnych, Kraków 2014, 281–294.
• [9] Tadeusiewicz R., Sieci neuronowe, Akademicka Oficyna Wydaw. RM, Kraków 1992.

Uwagi

EN

Section "Electrical Engineering"

PL

Opracowanie rekordu w ramach umowy 509/P-DUN/2018 ze środków MNiSW przeznaczonych na działalność upowszechniającą naukę (2018).

Identyfikatory

DOI

10.4467/2353737XCT.18.149.9097