Wyniki 1-10 spośród 20 dla zapytania: authorDesc:"Jan KUSIAK"

Przewidywanie pęknięć w próbie SICO za pomocą probabilistycznych sieci neuronowych

Czytaj za darmo! »

W pracy podjęto próbę oceny możliwości i skuteczności probabilistycznej sztucznych sieci neuronowych w przewidywaniu pęknięć w procesach plastycznej przeróbki metali na gorąco. Zastosowano probabilistyczne sieci neuronowe (PNN - probabilistic neural networks), które zostały zaimplementowane do programu komercyjnego FORGE3. Weryfikację opracowanego modelu procesu pękania przeprowadzono na podstawie analizy wyników laboratoryjnej próby SICO. Wyniki przewidywania pękania porównano z wynikami uzyskanymi z kryterium pękania Lathama-Cockcrofta. The main goal of the work is an attempt of using the artificial neural networks in prediction of steel cracking during hot deformation. Developed model based on the probabilistic neural networks (PNN) is implemented into commercial finite element co[...]

Zastosowanie odpornej metody uczenia sieci neuronowych w metamodelowaniu procesów plastycznej przeróbki metali

Czytaj za darmo! »

Celem metamodelowania jest zastąpienie czasochłonnych symulacji szybką strukturą zwaną metamodelem. Metamodel budowany jest na podstawie wyników serii symulacji dla różnych wartości parametrów procesu. Następnie może on posłużyć do szybkiego przewidywania wyniku, dla innych parametrów wejściowych, bez konieczności wykonywania czasochłonnych symulacji. Zastosowanie metamodelowania przynosi znaczne korzyści, np. w optymalizacji procesu. W pracy przedstawiono ideę odpornego metamodelowania z wykorzystaniem sztucznych sieci neuronowych, mającą zastosowanie tam, gdzie mogą wystąpić błędne wyniki symulacji. The aim of metamodelling is the replacement of time-consuming simulations of the process by the fast structure called metamodel. Metamodel is constructed on the basis of the series of s[...]

Modelowanie rekrystalizacji dynamicznej za pomocą dynamicznych sieci neuronowych

Czytaj za darmo! »

W pracy zaprezentowano neuronowy model naprężenia uplastyczniającego dla mikrostopowej stali z dodatkiem niobu. W modelowaniu wykorzystano dynamiczną sieć neuronową typu LRN (Layer-Recurrent Network). Model uwzględnia dwa kluczowe w procesie rekrystalizacji dynamicznej parametry: temperaturę i prędkość odkształcenia. Opracowany model cechuje się wysoką dokładnością przewidywania wartości naprężenia uplastyczniającego (błąd RMSE równy 3,1 MPa), oraz bardzo dużą szybkością działania. Przedstawione wyniki potwierdzają przydatność dynamicznych sieci neuronowych w modelowaniu zjawisk i procesów dynamicznych. The paper presents the neural network model of the flow stress for nobium microalloyed steel. The dynamic neural network of the type LRN (Layer-Recurrent Network) was used in modellin[...]

ANALIZA SKUPIEŃ DLA SKŁADU CHEMICZNEGO KONCENTRATU MIEDZIOWEGO

Czytaj za darmo! »

W artykule przedstawiono wyniki analizy skupień składu chemicznego koncentratu miedziowego przerabianego w piecu zawiesinowym HMG, KGHM Polska Miedź S.A., w pierwszym kwartale 2007 roku. Analizę przeprowadzono zarówno dla parametrów, którymi były zawartości wybranych składników chemicznych, jak i obserwacji (pomiarów zawartości tych składników w kolejnych próbach). Odkryto strukturę występującą w analizowanych parametrach oraz zidentyfikowano dwa wyraźne skupienia w obserwacjach. Słowa kluczowe: eksploracja danych, analiza skupień, koncentrat miedziowy THE CLUSTER ANALYSIS OF THE CHEMICAL COMPOSITION OF THE COPPER ORE CONCENTRATE The paper presents results of the cluster analysis of the chemical composition of the copper ore concentrate. The data were collected in the copper flash[...]

System optymalizacji procesu produkcyjnego z zastosowaniem agentowego systemu przetwarzania informacji


  Wiele procesów przemysłowych charakteryzuje się brakiem miarowości i odpowiedniej częstotliwości taktowania pomiarów wielkości (sygnałów) istotnych dla przebiegu procesu i zapewnienia produktu finalnego o odpowiedniej jakości. Na jakość gotowego produktu wpływ mają: skład surowców, sygnały sterujące, które mogą być zmieniane w czasie rzeczywistym oraz sygnały zależne, które mogą być mierzone, ale nie ma na nie bezpośredniego wpływu. Najczęściej, w rzeczywistych procesach metalurgicznych, pomiary składu surowcowego oraz jakości produktu finalnego następują rzadko w porównaniu z częstotliwością pomiarów sygnałów zależnych oraz sygnałów sterujących. Stanowi to poważną trudność w doborze sygnałów sterujących, zapewniających optymalną jakość produktu finalnego. Klasyczne metody optymalizacji są mało skuteczne w takich przypadkach. Dlatego poszukuje się nowych strategii optymalizacji. W pracy przedstawiono ideę nowego podejścia do problemu optymalizacji, a w konsekwencji do sterowania procesem przemysłowym, opartego na agentowym przetwa- rzaniu informacji. System agentowy analizuje historię produkcji i w oparciu o nią generuje optymalne rozwiązania dla bieżącej produkcji. Rozwiązania te mogą stanowić podstawę dla jej optymalnego sterowania. W pracy przedstawiono założenia strategii optymalizacji agentowej oraz wyniki optymalizacji produkcji z jej wykorzystaniem. Many of industrial processes are characterized by the lack of regularity of signals measurements. This regularity is important to control of the industrial process in order to assure required quality of the final products, which is conditioned by a contents of ingredients, controllable signals, that can be modified in real time of process control and dependent signals that can be measured, but cannot be directed modified. At most general metallurgical processes, the frequency of measurements of process parameters and measurements of quality of products is too rare in comparison to the freq[...]

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[...]

Współczesne kierunki badań w zakresie optymalizacji złożonych procesów metalurgicznych

Czytaj za darmo! »

Celem pracy było przedstawienie współczesnych kierunków badań w zakresie optymalizacji w zastosowaniu do rozwiązywania złożonych problemów z obszaru metalurgii. W pracy przedstawiono alternatywne podejście do optymalizacji, wykorzystujące metody inspirowane przez mechanizmy obserwowane w przyrodzie. Metody te są efektywne w lokalizacji ekstremów globalnych - są metodami odpornymi na ekstrema loka[...]

ODKRYWANIE WIEDZY Z DANYCH NA PRZYKŁADZIE ZAWIESINOWEGO PROCESU OTRZYMYWANIA MIEDZI BLISTER CZĘŚĆ I ANALIZA KORELACJI

Czytaj za darmo! »

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. Słowa kluczowe: piec zawiesinowy, analiza korelacji, kontrola procesu ANALYSIS OF THE COPPER FLASH SMELTING PROCESS USING THE DATA MINING PART I CORRELATION ANALYSIS The paper presents the results of th[...]

POZYSKIWANIE NOWEJ WIEDZY Z DANYCH NA PRZYKŁADZIE ZAWIESINOWEGO PROCESU OTRZYMYWANIA MIEDZI BLISTER CZĘŚĆ II

Czytaj za darmo! »

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. Słowa kluczowe: piec zawiesinowy, reguły asocjacyjne, eksploracja danych, kontrola procesu Dr inż. Piotr Jarosz —Akademia Górniczo-Hutnicza, Wydział Metali Nieżelaznych, Katedra Fizykochemii i Metalurgii Metali Nieżelaznych, Kraków, dr h[...]

Systemy eksploracji danych w zastosowaniu do analizy procesów metalurgicznych na przykładzie pieca zawiesinowego


  W pracy przedstawione zostały wyniki analizy zawiesinowego procesu otrzymywania miedzi uzyskane przy użyciu wybranych metod eksploracji danych. Analiza przeprowadzona została jedynie dla wybranych parametrów. Wyniki analizy posłużyły do utworzenia odpowiednich reguł asocjacyjnych z wybranych parametrów wejściowych procesu zawiesinowego oraz parametrów temperaturowych produktów procesu. Przeprowadzona została pełna analiza uwzględniająca technologiczny punkt widzenia badanego zagadnienia. The paper present the results of the data mining analysis of the copper flash smelting process. Only chosen process parameters were considered. The obtained results formed the appropriate association rules between chosen input and the temperatures of the process output parameters. The data mining analysis was performed and confronted with engineering knowledge about the considered process. Słowa kluczowe: proces zawiesinowy, eksploracja danych, reguły asocjacyjne Key words: flash smelting process, data mining, association rules 1. Wprowadzenie. Proces przetopu koncentratów miedziowych w stanie zawiesinowym może być prowadzony tak, aby podstawowym produktem skondensowanym był kamień miedziowy lub miedź blister (proces jednostadialny). W procesie tym występuje faza gazowa, bogata w SO2 i kierowana, po odpyleniu, do przetwarzania np. w fabryce kwasu siarkowego. Odpylanie gazów procesowych jest zwykle wielostopniowe, końcowym jego etapem jest przepływ gazów przez elektrofiltr. Jednym z kluczowych parametrów, odpowiedzialnym za skuteczność procesu odpylania oraz trwałość elementów elektrofiltra jest temperatura gazów procesowych wprowadzanych do tego urządzenia, będąca istotnym parametrem z punktu widzenia funkcjonowania kolejnego etapu przetwarzania gazów, tj. fabryki kwasu siarkowego. Dla faz skonden[...]

 Strona 1  Następna strona »