Jerzy Głuch - Publikacje - MOST Wiedzy

Wyszukiwarka

Filtry

wszystkich: 68

  • Kategoria
  • Rok
  • Opcje

wyczyść Filtry wybranego katalogu niedostępne

Katalog Publikacji

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

    - Rok 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)
    Publikacja

    - Rok 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
    Publikacja

    - Rok 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.

wyświetlono 3162 razy