Wyniki wyszukiwania - Biblioteka Nauki

Nowa wersja platformy, zawierająca wyłącznie zasoby pełnotekstowe, jest już dostępna.
Przejdź na https://bibliotekanauki.pl

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Sortuj według:

Ogranicz wyniki do:

Chito-Derm [Vet-Agro] - nowy krem do codziennej higieny i pielegnacji wymienia krow

100%

Wawron W. , Przygodzki P.

Życie Weterynaryjne

1999

tom 74

nr 09

456-457

Identyfikacja emisji tlenków azotu i węgla w kotle op-650 za pomocą sztucznych sieci neuronowych

100%

Lichota J. , Przygodzki P.

Rynek Energii

2005

tom nr 5

58-66

W dniu 1.I.2016 zaczną obowiązywać w Polsce nowe, niższe standardy emisji NO2 do atmosfery dla istniejących źródeł o mocy większej niż 500 MW opalanych węglem kamiennym. Emisja NO2 spadnie z 500 mg/m3u (od 1.I.2008) do 200 mg/m3u przy zawartości 6% tlenu w gazach odlotowych. Stąd źródła poszukują sposobów na obniżenie emisji. Jednym z nich jest zmiana wartości zadanych w układach sterowania mocą elektryczną. Do uzyskania tej samej mocy elektrycznej i jednoczesnego obniżenia emisji NO2 regulator oparty o sztuczne sieci neuronowe korzysta z modelu obiektu. Jest on uzyskiwany w wyniku eksperymentu identyfikacyjnego. W pracy pokazano sposób identyfikacji kotła energetycznego przy pomocy sztucznej sieci neuronowej. Opisano sygnał identyfikacyjny umożliwiający konstrukcję zbioru uczącego sztuczną sieć neuronową. Omówiono sygnały wejściowe niezbędne do nauki sieci neuronowej. Zaprezentowano wyniki nauki sieci. Pokazano wpływ skalowania i różnicowania danych na jakość identyfikacji.

At 1. I. 2016 the new, lower NO2 emission standards will begin being in force in Poland. Existing coal-fired CHP's of 500 MW and more, will reduce NO2 emission from 500 mg/m3u (from 1.I.2008) to 200 mg/m3u measured at content 6% oxygen in gases. CHP's are seeking ways to lower that emission. One of them is to change set-point values in PID control loops. Controller based on artificial neural networks needs an correct model of process to calculate right set-point. Model was obtained by experiment carried out during three days A, B and C. Velocity of coal feeders was changed. Day A and B were used to teaching, day C to testing. The way of changing velocity of coal feeders reflects general rule of identification of linear time-invariant systems for neural network teaching. This rule was described as well as input signals and structure of feed-forward network. Levenberg-Marquard method from Matlab was used to teach the network. The result is model that predicts 10-minutes NO2 emission with 0.3% error.