Jerzy Głuch - Publications - Bridge of Knowledge

Search

Filters

total: 66

  • Category
  • Year
  • Options

clear Chosen catalog filters disabled

Catalog Publications

Year 2007
Year 2006
Year 2005
Year 2004
Year 2003
  • Neural Network Application for Recognition of Geometry Degradation of Power Cycle Components
    Publication

    - Year 2003

    Przedyskutowano problem rozpoznawania degradacji geometrycznej. Skuteczne zastosowanie wybranego typu sieci neuronowej (SSN) jest prezentowane w referacie. SSN wykrywająca typy degradacji geometrycznej wykazała wysoką jakość. Pokazano pewną możliwość ekstrapolacji takich SSN. Pokazano możliwość wykrywania typów degradacji geometrycznej nawet w przypadku pozyskiwania niepełnych danych pomiarowych.

  • On Application of Selected Methods of Artificial Intelligence in Expert Systems for Thermal and Flow Diagnostics

    Przedyskutowano problem wspomagania przez systemy ekspertowe decyzji eksploatacyjnych służb nadzoru obiegów turbin parowych. Uwagę skupiono na realizacji jednego z zadań tych systemów, polegającemu na określenie rozmiaru eksploatacyjnej degradacji parametrów geometrycznych układów łopatkowych turbin. Dyskusję przeprowadzono na przykładzie jednego z komponentów metod sztucznej inteligencji: wybranego typu sztucznej sieci neuronowej...

  • On thermal and Flow Expert Systems Based on Artificial Neural Network (ANN)
    Publication

    - Year 2003

    Zaprezentowano możliwość realizacji jednego z zadań systemów eksperckich, polegającego na określaniu rozmiaru eksploatacyjnej degradacji parametrów geometrycznych układów łopatkowych turbin. Dyskusję przeprowadzono w oparciu o zastosowanie wybranego typu sztucznej sieci neuronowej (SSN). Badano jakość i dokładność polegającą na dobrej identyfikacji rozmiaru degradacji przez tę wybraną SSN wykrywającą rozmiar degradacji geometrycznej....

  • Rozpoznawanie typu degradacji geometrycznej układu łopatkowego turbin parowych
    Publication

    - Year 2003

    Przedyskutowano problem rozpoznawania typów degradacji geometrycznej układów łopatkowych turbin parowych. Zaproponowano wybrany typ sztucznej sieci neuronowej SSN. SSN rozpoznająca typy degradacji geometrycznej wykazuje wysoką jakość wykrywania tych degradacji. Zaobserwowano też pewien potencjał do ekstrapolacji w tych typach SSN. Zastosowana SSN dobrze identyfikuje typy degradacji, zarówno dla pełnych jak i niepełnych danych pomiarowych.

seen 2291 times