Wyniki 1-5 spośród 5 dla zapytania: authorDesc:"ŁUKASZ SZTANGRET"

Metamodelowanie procesów dynamicznych pod kątem ich optymalizacji DOI:10.15199/24.2015.4.3


  Artykuł porusza problematykę związaną z optymalizacją procesów przemysłowych. W pracy zaprezentowano wyniki wstępnych badań do- tyczących metamodelowania procesów dynamicznych za pomocą sztucznych sieci neuronowych oraz wnioski z nich płynące. Przedstawiono również sposób definiowania problemu optymalizacji, który jest krokiem poprzedzającym sam proces poszukiwania optimum. The article discusses the problems associated with the optimization of industrial processes. Preliminary results of metamodelling of dynamic process using artificial neural network are presented and some conclusions are formulated. The definition of optimization problem as a preceding step before optimization itself is also described. Słowa kluczowe: metamodelowanie, procesy dynamiczne, sztuczne sieci neuronowe Key words: metamodelling, dynamic processes, artificial neural networks Wprowadzenie. Optymalizacja procesów przemysłowych nie jest zadaniem trywialnym. Przed przystąpieniem do poszukiwania optimum należy opracować model procesu, zdefiniować zmienne optymalizacji, zakresy ich zmienności oraz ewentualne dodatkowe ograniczenia, wynikające z natury procesu, i funkcję celu. Wszystko to składa się na definicję problemu optymalizacji, co zostało przedstawione w pierwszej części pracy. Mając wzgląd na fakt, że optymalizacja procesów przemysłowych jest czasochłonna z uwagi na złożoność modeli, poszukuje się metamodeli optymalizowanych procesów, celem skrócenia czasów obliczeń [1, 2]. Dlatego druga część pracy poświęcona jest budowie, w oparciu o sztuczne sieci neuronowe, metamodelu analizowanego dynamicznego procesu. Podjęcie tematyki metamodelowania procesów dynamicznych uzasadnione jest tym, że istnieje wiele procesów, które nie mogą być adekwatnie opisane zależnością funkcyjną niezależną od czasu. W przypadku takich procesów, zastosowanie metamodelu, oprócz znacznego skrócenia czasu wykonania symulacji, może również poprawić dokładność modelu. Zbudowanie metamodelu[...]

Zastosowanie zmodyfikowanej strategii aproksymacyjnej w optymalizacji procesów metalurgicznych


  W pracy przedstawiono ideę zmodyfikowanej strategii aproksymacyjnej, która pozwala na skrócenie czasu obliczeń optymalizacyjnych poprzez redukcję liczby wywołań funkcji celu. Idea metody polega na zastąpieniu rzeczywistej funkcji celu przez jej aproksymację, a następnie poszukiwaniu rozwiązania optymalnego pośród rozwiązań funkcji aproksymującej. Dzięki temu, procedura optymalizacji ulega skróceniu, gdyż istotnie zmniejszona zostaje liczba niezbędnych symulacji związanych z analizowanym procesem. W pracy przedstawiono strategię oraz metodę przyspieszenia zbieżności procedury optymalizacji polegającej na odpowiednich zmianach wag błędów w węzłach aproksymacji. Działanie metody porównano z innymi, alternatywnymi algorytmami na przykładzie funkcji testowej oraz wybranego procesu plastycznej przeróbki metali. The paper presents a Modified Approximation Strategy (MAS), which allows decrease the optimization computing time through the reduction of objective function calls number. Main idea of the method is based on replacement of an objective function f by its approximation through a function g, and next a search of the optimal solution among solutions of function g. It leads to a decrease of a number of objective function calls, which results in reduction of the optimization computing time. The paper presents a proposition of modification of the approximation strategy. It gives the acceleration of a convergence of the optimization procedure. The results of the proposed strategy are compared with other, conventional optimization techniques. Słowa klucze: optymalizacja, metamodel, sztuczne sieci neuronowe, procesy metalurgiczne Key words: optimization, metamodel, artificial neural networks, metallurgical processes Wstęp. Optymalizacja procesów przemysłowych jest zadaniem trudnym. Przed przystąpieniem do poszukiwania optimum należy opracować model matematyczny procesu, zdefiniować: zmienne optymalizacji, zakresy ich zmienności oraz ewentualne d[...]

Analiza wrażliwości jako metoda wspomagająca optymalizację parametrów procesów metalurgicznych


  Optymalizacja procesów metalurgicznych oparta jest najczęściej na symulacjach wykorzystujących metodę elementów skończonych. W przypadku złożonych procesów symulacje są czasochłonne, przez co koszt optymalizacji może okazać się zbyt wysoki. W pracy podjęto próbę redukcji tego kosztu poprzez zmniejszenie koniecznej liczby wywołań symulacji. W optymalizacji wykorzystano metodę roju cząstek, a przyspieszenie zbieżności procedury optymalizacyjnej uzyskano włączając do algorytmu analizę wrażliwości funkcji celu. Analiza wrażliwości wprowadza dynamiczne sterowanie zachowaniem populacji roju cząstek. W pracy przedstawiono sposób wykorzystania dodatkowych informacji do rozwiązania problemu optymalizacji oraz porównano efektywność działania "zmodyfikowanych" procedur na przykładzie kilku funkcji testowych oraz procesu spęczania próbek walcowych. Optimization of complex metallurgical processes is usually based on simulations using the finite element method. Such simulations are time-consuming thereby optimization cost may be too high. The paper presents an attempt of reduction of that cost by reducing the required number of simulation calls. Particles swarm optimization method was used as the optimization procedure. To increase the convergence of optimization procedure, the sensitivity analysis of the objective function was used. Sensitivity analysis introduces dynamical control of behaviour of particles in the swarm. The paper presents the way of use this additional information to solve the optimization problem and comparison of the efficiency of the “modified" procedure on a number of test functions and upsetting process. Słowa klucze: metoda roju cząstek, analiza wrażliwości, optymalizacja procesów metalurgicznych Key words: particle swarm optimization, sensitivity analysis, optimization of metallurgical processes.Wstęp. Optymalizacja jest procesem poszukiwania minimum (lub maksimum) pewnej funkcji zwanej funkcją celu. Tym samym procedura ta[...]

ZADANIE OPTYMALIZACYJNE DLA DOBORU PARAMETRÓW LAMINARNEGO CHŁODZENIA BLACH ZE STALI DP PO WALCOWANIU NA GORĄCO


  W artykule sformułowano zadanie optymalizacyjne dla procesu wytwarzania blach ze stali DP. Funkcją celu był wymagany skład strukturalny stali, a zmiennymi optymalizacji były parametry cyklu chłodzenia. Zastosowano model przemian fazowych wykorzystujący zmodyfikowane równanie Avrami’ego. Wykonano analizę wrażliwości funkcji celu względem współczynników modelu i względem parametrów procesu chłodzenia. Przeprowadzono przykładowe obliczenia optymalizacyjne. Słowa kluczowe: chłodzenie laminarne, stale DP, mikrostruktura, optymalizacja OPTIMIZATION TASK FOR SELECTION OF PARAMETERS OF LAMINAR COOLING AFTER HOT ROLLING FOR DP STEEL STRIP Optimization task for manufacturing DP steel strips was formulated. The required composition of phases was the objective function and parameters of the laminar cooling were the optimization variables. The phase transformation model based on the modified Avrami equation was used. Sensitivity analysis of the objective function with respect to the cooling parameters was performed. Primary optimization calculations were performed. Keywords: laminar cooling, DP steels, microstructure, optimization Mgr inż. Łukasz Sztangret, dr inż. Danuta Szeliga, prof. dr hab. inż. Jan Kusiak, prof. dr hab. inż. Maciej Pietrzyk — AGH Akademia Górniczo‐ Hutnicza, Wydział Inżynierii Metali i Informatyki Przemysłowej, Katedra Informatyki Stosowanej i Modelowania, al. Mickiewicza 30, 30‐059 Kraków. Rudy Metale R56 2011 nr 11 UKD 669.017.3:669.14.018.9: :669.15-194.55:669.14-194.57 577 Wstęp Stale dwufazowe (ang. dual phase — DP) są coraz powszechniej stosowane przez przemysł samochodowy [1, 2]. Ich strukturę stanowią wyspy twardego martenzytu (20÷30 %) w osnowie miękkiego ferrytu (70÷80 %). Taka struktura jest osiągana w procesie wytwarzania blach przez stosowanie trzystopniowego cyklu chłodzenia obejmującego: ⎯ szybkie chłodzenie do temperatury największej szybkości przemiany ferrytycznej, &[...]

MODELOWANIE PROCESU PRODUKCJI MIEDZI BLISTER Z WYKORZYSTANIEM SZTUCZNYCH SIECI NEURONOWYCH DOI:10.15199/67.2016.1.3


  Celem artykułu jest analiza możliwości wykorzystania sztucznych sieci neuronowych do modelowania procesu produkcji miedzi blister w piecu zawiesinowym. W szczególności, przedstawiono możliwości modelowania procesu, przy założeniu, że jego parametry nie mogą być zmierzone z wymaganą dokładnością, z czym można się często spotkać w przypadku rzeczywistych procesów przemysłowych. Do budowy modelu wybrano najważniejsze, z technologicznego punktu widzenia, parametry i sporządzono dla nich bilans masy oraz energii. Na jego podstawie stworzono zbiór danych wykorzystany do budowy modelu opartego o sztuczne sieci neuronowe. Opracowany model może być wykorzystany w przyszłości do dalszych badań dotyczących optymalizacji. Słowa kluczowe: miedź blister, piec zawiesinowy, ciąg produkcyjny, sztuczne sieci neuronowe, modelowanie procesów Inż. Marcin Gulik — Wydział Inżynierii Metali i Informatyki Przemysłowej, dr inż. Piotr Jarosz — Wydział Metali Nieżelaznych, prof. dr hab. inż. Jan Kusiak — Wydział Inżynierii Metali i Informatyki Przemysłowej, dr inż. Stanisław Małecki — Wydział Metali Nieżelaznych, dr hab. inż. Piotr Oprocha, prof. nzw., — Wydział Matematyki Stosowanej, dr inż. Łukasz Sztangret — Wydział Inżynierii Metali i Informatyki Przemysłowej, AGH Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie, Al. A. Mickiewicza 30, 30-059 Kraków. e-mail: stanmal@agh.edu.pl Rudy Metale R61 2016 nr 1 s. 21÷25 22 MODELLING OF THE COPPER FLASH SMELTING PROCESS USING THE ARTIFICIAL NEURAL NETWORKS The paper presents the analysis of possibilities of application of artificial neural networks to modelling the copper flash smelting process. The Authors focused on ability of the process modelling, assuming that the parameters can’t be measured with a required accuracy. This problem is often found in the case of real industrial processes. The technologically most important parameters were selected. The mass and [...]

 Strona 1