Nowa wersja platformy, zawierająca wyłącznie zasoby pełnotekstowe, jest już dostępna.
Przejdź na https://bibliotekanauki.pl
Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 2

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
PL
Przedstawiono wyniki optymalizacji tarcz sprężarek lotniczych silników turbinowych. Optymalizację grubości tarczy sprowadzono do problemu NP-zupełnego, który rozwiązano za pomocą jednego z algorytmów genetycznych (ewolucyjnego). Na kolejnych etapach pracy sprawdzano poprawność działania algorytmu optymalizacyjnego i algorytmu generującego dane. Porównano zoptymalizowaną tarczę wykonaną według technologii klasycznej z tarczą wykonaną w technologii BLISK.
EN
In this paper authors show results of optimization of compressor discs in turbine engines. The problem of optimizing the thickness of the disc brought to the NP-complete problem, and solved it by using one of the genetic algorithms – evolutionary algorithm. Correctness of model and optimization algorithm were constantly checked. At the end of this paper, compressor disc created due to traditional technology and disc created by BLISK technology were compared.
|
|
tom nr 9
28--30
PL
W artykule przedstawiono wyniki badań numerycznych nad możliwością zastosowania sztucznych sieci neuronowych (SSN) do obliczeń wytrzymałościowych elementów maszyn wirnikowych. W tym celu autorzy rozważyli kilka prostszych przypadków w celu ustalenia optymalnej struktury SSN i odpowiedniego sposobu jej uczenia. W pracy przedstawiono wyniki dotyczące uczenia sieci rozwiązywania problemu belki wysięgnikowej. Następnie analizowano problem ważkiej tarczy prostej obciążonej ciągnieniem w celu doboru modelu SSN. Ostatnim analizowanym zagadnieniem było zastosowanie SSN do wyznaczania rozkładu naprężeń w profilowanej tarczy sprężarki osiowej.
EN
In this paper the results of numerical research in possibility of usage artificial neural network (ANN) in stresses analysis are presented. For this purpose, a few simple cases were considered in order to optimize the ANN structure and its learning algorithm. In the first part of this paper, results of learning ANN of solving the cantilevered beam problem are shown. The simplified compressor disc problem was analyzed due to select the ANN model. The last case is the use of ANN to stresses analysis of profiled axial compressor disc.
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.