Analiza wpływu pierwiastków stopowych na hartowno stali *)
|
|
- Jarosław Urban
- 7 lat temu
- Przeglądów:
Transkrypt
1 AMME 03 12th Analiza wpływu pierwiastków stopowych na hartowno stali * W. Sitek, L.A. Dobrzaski Zakład Technologii Procesów Materiałowych i Technik Komputerowych w Materiałoznawstwie, Instytut Materiałów Inynierskich i Biomedycznych, Politechnika lska ul. Konarskiego 18a, 44-0 Gliwice, Poland W pracy przedstawiono wyniki bada nad opracowaniem modeli sztucznych sieci neuronowych, pozwalajcych na wyznaczanie przebiegu krzywej hartownoci Jominy ego na podstawie składu chemicznego stali konstrukcyjnych i maszynowych do ulepszania cieplnego i stali stopowych maszynowych do nawglania. Modele sieci neuronowych prezentowane w pracy opracowano na podstawie wyników ponad 00 prób dowiadczalnych, w których wykonano badania składu chemicznego stali oraz odpowiadajce im krzywe hartownoci Jominy ego. Opracowano kilkaset modeli sieci, które poddano weryfikacji. Ponadto przedstawiono przykład zastosowania opracowanych modeli do analizy wpływu zmian stenia chromu na zmian przebiegu krzywej hartownoci przy stałym steniu pozostałych pierwiastków. 1. WPROWADZENIE Hartowno stanowi jedno z głównych kryteriów doboru stali na elementy konstrukcyjne, a jej okrelenie umoliwia zapewnienie załoonego rozkładu własnoci na przekroju elementu obrobionego cieplnie. Zaley ona głównie od składu chemicznego stali, przy załoeniu, e wielko ziarna austenitu pierwotnego, przy zachowaniu typowych warunków hartowania, nie ulega istotnym wahaniom. W literaturze znale mona liczne alternatywne, numeryczne metody okrelania hartownoci [1-6]. Przegldu oraz porównania tych metod dokonano w pracach [7, 8]. Wyniki tych prac wskazuj, e wykorzystanie rónych metod obliczeniowych dla stali o tym samym składzie chemicznym, powoduje uzyskiwanie zrónicowanych wyników oceny hartownoci. Niepełna trafno przyjtego modelu matematycznego jak i błdy popełnione w trakcie badania hartownoci metod chłodzenia od czoła w próbie Jominy'ego wpływaj czsto na rozbieno wyników oblicze z danymi dowiadczalnymi zamieszczonymi w literaturze, normach i katalogach stali. Dlatego te podjto prace własne nad opracowaniem nowej metody modelowania hartownoci [8-11], a niniejsza praca jest ich kontynuacj i rozwiniciem. W metodzie tej dokonywano wstpnej klasyfikacji stali ze wzgldu na skład chemiczny na trzy grupy stali o duej, redniej i małej hartownoci, odpowiednio dla stali do ulepszania cieplnego i stali do nawglania. Niedogodnoci tej * Autorzy uczestnicz w realizacji projektu CEEPUS Nr PL-013/03-04 kierowanego przez Prof. L.A. Dobrzaskiego
2 800 W. Sitek, L.A. Dobrzaski metody jest konieczno dysponowania szecioma modelami sieci neuronowej dla kadej z trzech klas dwóch wymienionych grup stali. W pracach [-11] przedstawiono moliwoci zastosowania sieci neuronowych do analizy wpływu wybranych pierwiastków na hartowno stali. Jednake w tym przypadku, moliwa jest analiza wyłcznie w ograniczonym zakresie ste pierwiastków stopowych odpowiadajcym kadej z klas stali. Niniejsza praca przedstawia wyniki dalszych bada nad opracowaniem uniwersalnego, jednego modelu sieci neuronowej do przewidywania krzywej hartownoci Jominy ego. 2. MATERIAŁ I METODYKA BADA Podstaw do zaprojektowania sieci neuronowych stanowi wyniki bada eksperymentalnych obejmujce informacje o składach chemicznych oraz odpowiadajcych im krzywych hartownoci Jominy ego ok. 00 wytopów rónych gatunków stali. Załoono, e obróbka cieplna kadego z wytopów stali poddanego badaniom eksperymentalnym jest wykonana w optymalnych warunkach, a wielko ziarna wynosi 7 wg skali ASTM. Zbiór danych dowiadczalnych obejmuje wyniki bada dowiadczalnych krzywych hartownoci Jominy ego oraz informacje o steniu szeciu podstawowych pierwiastków stopowych wystpujcych w grupie stali do ulepszania cieplnego i nawglania tj. C, Mn, Si, Cr, Ni i Mo. 3. PROJEKTOWANIE SIECI NEURONOWYCH Ostatecznie wykorzystano 74 serie danych eksperymentalnych, które podzielono na dwie grupy. Pierwsz z nich zawierajc 847 serii wykorzystano do generowania i uczenia sieci neuronowej. Drug grup, stanowic pozostałe 227 serii, wykorzystano do testowania i wyboru najlepszej sieci. Podziału dokonano w sposób losowy przy zachowaniu odpowiednich proporcji tzn. do testowania sieci uyto ok. 25% dostpnych danych z kadego gatunku. Podziału danych dokonano w celu zweryfikowania działania sieci dla danych, które nie były prezentowane w procesie uczenia ani walidacji. Pozwala to na wykluczenie przypadkowoci oraz pełne uwiarygodnienie uzyskanych wyników. Do zaprojektowania, uczenia i testowania sieci neuronowych wykorzystano program STATISTICA Neural Networks wersji 4.0 F firmy StatSoft. Przy jego zastosowaniu wygenerowano kilkaset sieci neuronowych o rónej liczbie neuronów w warstwach ukrytych, które poddano uczeniu metod wstecznej propagacji błdów przy liczbie epok od 0 do 000 i współczynniku uczenia od 0,01 do 0,1. W strukturze kadej z analizowanych sieci ustalono 6 neuronów wejciowych odpowiadajcych podstawowym pierwiastkom stopowym wystpujcym w tych grupach stali tj. C, Mn, Si, Cr, Ni i Mo oraz 15 neuronów wyjciowych odpowiadajcych kolejnym twardociom na krzywej Jominy. Uzyskane w ten sposób sieci neuronowe poddano weryfikacji na podstawie zbioru danych, który stanowi 227 serii testowych. Po wykonaniu oblicze krzywych hartownoci (jako twardoci w kolejnych 15 punktach na krzywej Jominy ego z zastosowaniem wymienionych sieci neuronowych, porównano je z wynikami dowiadczalnymi dla poszczególnych wytopów. Ostatecznie do dalszych oblicze wybrano trzy sieci typu perceptron wielowarstwowy z dwoma warstwami ukrytymi o strukturach (oznaczonej dalej 5_8 i (oznaczonej dalej 7_7 wykazujce redni błd oblicze 1,64 HRC oraz (oznaczonej dalej 8_8 o błdzie 1,63 HRC. Uzyskane wyniki wskazuj ich przydatno do modelowania hartownoci stali.
3 Analiza wpływu pierwiastków stopowych na hartowno stali PRZYKŁAD ZASTOSOWANIA OPRACOWANYCH SIECI NEURONOWYCH Opracowane modele sieci neuronowych zastosowano do analizy wpływu wybranych pierwiastków na hartowno. W analizie tej posłuono si specjalnie do tego celu opracowanymi, modelowymi składami chemicznymi stali maszynowej do ulepszania cieplnego (tablica 1 oraz do nawglania (tablica 2, których wczeniej nie uywano ani do uczenia ani do testowania sieci neuronowych. Podstawowym warunkiem jest wystpowanie ste poszczególnych pierwiastków stopowych w zakresie podanym w tablicach 3 i 4, wynikajcym ze ste pierwiastków stopowych stali uytych do uczenia i testowania opracowanych sieci neuronowych. Tablica 1. Modelowy skład chemiczny stali maszynowej do ulepszania cieplnego. Nr Stenie masowe pierwiastka, % składu C Mn Si Cr Ni Mo 1.0 0,36 0,58 0,33 0,2 0,9 0, ,36 0,58 0,33 0,3 0,9 0, ,36 0,58 0,33 0,4 0,9 0, ,36 0,58 0,33 0,5 0,9 0, ,36 0,58 0,33 0,6 0,9 0,18 Tablica 2. Modelowy skład chemiczny stali maszynowej do nawglania. Nr Stenie masowe pierwiastka, % składu C Mn Si Cr Ni Mo 2.0 0,15 0,7 0,25 1 0,15 0, ,15 0,7 0,25 1,1 0,15 0, ,15 0,7 0,25 1,2 0,15 0, ,15 0,7 0,25 1,3 0,15 0, ,15 0,7 0,25 1,4 0,15 0,15 Tablica 3. Graniczne stenia pierwiastków stopowych stali maszynowych do ulepszania cieplnego zalecane do stosowania z opracowanymi modelami sieci neuronowych. Stenie masowe pierwiastka, % C Mn Si Cr Ni Mo Minimalne 0,2 0,41 0,14 0,01 0,03 0,01 Maksymalne 0,51 1,85 1,4 1,7 1,84 0,33 Tablica 4. Graniczne stenia pierwiastków stopowych stali maszynowych do nawglania zalecane do stosowania z opracowanymi modelami sieci neuronowych. Stenie masowe pierwiastka, % C Mn Si Cr Ni Mo Minimalne 0,12 0,4 0,12 0,4 0,05 0,01 Maksymalne 0,27 1,44 0,42 1,79 1,64 0,36 Nastpnie dla składów chemicznych podanych w tablicy 1 i 2 przy zastosowaniu sieci neuronowych 8_8, 5_8, i 7_7 przeprowadzono obliczenia krzywych hartownoci. Uzyskane wyniki dla stali do ulepszania cieplnego przedstawiono graficznie na rysunku 3.
4 802 W. Sitek, L.A. Dobrzaski a b twardo[hrc] 0 0 c d 0 0 e 70 0 Rysunek 3. Krzywe hartownoci obliczone z zastosowaniem opracowanych sieci neuronowych dla składów chemicznych z tablicy 4: a skład 1.1, b skład 1.2, c skład 1.3, d skład 1.4, e skład 1.5 Krzywe hartownoci z rysunku 3 nieznacznie róni si midzy sob. Dlatego te w dalszych badaniach posłuono si wynikami urednionymi twardoci otrzymanymi na wyjciu kadej z sieci neuronowych. Korzystajc z prezentowanych wyników mona zbada wpływ zmian stenia chromu na zmiany twardoci stali po hartowaniu. Na rysunku 4 przedstawiono urednione krzywe hartownoci stali do ulepszania cieplnego obliczone dla składów 1.0 i 1.5 (tablica 1, a na rysunku 5 przedstawiono wykres zalenoci redniej twardoci od stenia chromu w odległociach 11, 25 i mm od czoła próbki. Analogiczne wyniki dla stali do nawglania przedstawiono na rysunkach 6 i 7.
5 Analiza wpływu pierwiastków stopowych na hartowno stali 803 dla składu 1.0 (0,2% Cr dla składu 1.5 (0,6% Cr 36,82 27,56 HRC mm od czoła 25 mm od czoła mm od czoła ,2 0,3 0,4 0,5 0,6 Stenie masowe chromu, % Rysunek 4. Krzywe hartownoci obliczone dla stali o składach modelowych nr 1.0 i 1.5 (tablica 1. Rysunek 5. Wpływ stenia chromu na przyrost twardoci w podanych odległociach od czoła próbki (na podstawie składów chemicznych z tablicy dla składu 2.0 (1,0% Cr dla składu 2.5 (1,4% Cr 21,97 15,64 HRC 8,00 6,00 4,00 2,00 11 mm od czoła 25 mm od czoła mm od czoła 5 0 0,00 1,00 1, 1, 1, 1, Stenie masowe chromu,% Rysunek 6. Krzywe hartownoci obliczone dla stali o składach modelowych nr 2.0 i 2.5 (tablica 2. Rysunek 7. Wpływ stenia chromu na przyrost twardoci w podanych odległociach od czoła próbki (na podstawie składów chemicznych z tablicy 2 Ponadto z wykorzystaniem opracowanych sieci neuronowych dokonano analizy wpływu stenia chromu na rozkład twardoci na próbce Jominy. W szczególnoci przeprowadzono badania wpływu stenia chromu na spadek twardoci HRC (rónica midzy twardoci maksymaln HRC max i minimaln HRC min oraz redniego spadku twardoci na jeden punkt pomiarowy na próbce Jominy HRC red. Przyjte wielkoci opisano na rysunku 8. Na podstawie wyników oblicze krzywych hartownoci przeprowadzonych dla składów chemicznych modelowych stali (tablice 1 i 2 wyznaczono odpowiednie wartoci twardoci HRC, HRC max i HRC min, które przedstawiono w tablicy 5. Natomiast na rysunkach 9-12 przedstawiono wykresy zmian twardoci w zalenoci od stenia chromu dla badanych składów chemicznych stali do ulepszania cieplnego i nawglania.
6 804 W. Sitek, L.A. Dobrzaski HRC max HRC HRC min Odległo od czoła, mm Rysunek 8. Oznaczenie wielkoci zestawionych w tablicy 5. Tablica 5. Zestawienie wartoci rónicy twardoci HRC, HRC red Numer składu HRC max HRC min HRC HRC red ,06 21, 34,46 2, ,09 22,83 33,26 2, ,06 24,70 31,36 2, ,99 27,07 28,92 1, ,93 29,62 26, 1, ,08 6,23 35,85 2, ,28 8,16 34,13 2, ,45,07 32,38 2, ,59 11,95,64 2, ,71 13,76 28,95 1,93 HRC , 0, 0, 0, 0, stenie masowe chromu, % HRCred 2, 2, 2, 2,00 1,90 1,80 1,70 0, 0, 0, 0, 0, stenie masowe chromu, % Rysunek 9. Wpływ chromu na rónic HRC twardoci midzy punktami o najwikszej i najmniejszej twardoci dla stali do ulepszania cieplnego (tablica 1. Rysunek. Wpływ chromu na rónic HRC red twardoci midzy punktami o najwikszej i najmniejszej twardoci dla stali do ulepszania cieplnego (tablica 1.
7 Analiza wpływu pierwiastków stopowych na hartowno stali 805 HRC ,1 1,2 1,3 1,4 stenie masow e chromu, % HRCred 2, 2, 2, 2, 2,00 1,90 1 1,1 1,2 1,3 1,4 stenie masow e chromu, % Rysunek 11. Wpływ chromu na rónic HRC twardoci midzy punktami o najwikszej i najmniejszej twardoci dla stali do nawglania (tablica 2. Rysunek 12. Wpływ chromu na rónic HRC red twardoci midzy punktami o najwikszej i najmniejszej twardoci dla stali do nawglania (tablica PODSUMOWANIE W pracy przedstawiono modele sieci neuronowych umoliwiajce wyznaczanie krzywych hartownoci Jominy ego stali stopowych konstrukcyjnych i maszynowych do ulepszania cieplnego oraz stopowych stali maszynowych do nawglania na podstawie składu chemicznego. Modele sieci neuronowych opracowano na podstawie około 00 próbek dowiadczalnych, dla których wykonano dowiadczalne próby hartownoci metod Jominy ego. Opracowano kilkaset modeli sieci, które poddane zostały weryfikacji. Ostatecznie trzy modele uznano za dajce zadowalajce wyniki tzn. wyznaczajce przebieg krzywej hartownoci z odpowiedni dokładnoci. Wykazano ponadto przydatno opracowanych modeli sieci neuronowych do analizy wpływu składu chemicznego na hartowno stali. Jako przykład przedstawiono analiz wpływu zmian stenia chromu na zmian przebiegu krzywej hartownoci przy stałym steniu pozostałych pierwiastków. Na podstawie przeprowadzonych bada, oblicze i prac własnych stwierdzono, e sztuczne sieci neuronowe mona uzna za bardzo efektywne narzdzie komputerowego wspomagania doboru materiałów. Do zaprojektowania sieci neuronowej, która w zadowalajcy sposób wyznaczy przebieg krzywej hartownoci niezbdna jest stosunkowo dua liczba danych dowiadczalnych uywanych do uczenia i testowania sieci neuronowych, dlatego nie mona zaprzesta przeprowadzania bada dowiadczalnych. PODZIKOWANIA Praca została czciowo wykonana w ramach projektu badawczego nr 4 T08A finansowanego przez Komitet Bada Naukowych. LITERATURA 1. M.A. Grossmann: Trans. AIME, 1 ( ;
8 806 W. Sitek, L.A. Dobrzaski 2. Norma ASTM A225, Standard Method for End-Quench Test for Hardenability of Steel; 3. E. Just: Metal Progress, Nov. ( ; 4. A. Moser, A. Legat: Härterei Techn. Mitt., 24 (1969 0; 5. R.J. Mostert, G.T. van Rooyen: Mater. Sci. Technol., 7 ( ; 6. T. Inoue - Proc. 8th Seminar of the IFHTSE, Dubrownik-Cavtat, (01 325; 7. L.A. Dobrzaski, W. Sitek, R. Stadnik - Proc. 3rd Inter. Sci. Conf. "AMME 94", Gliwice ( ; 8. L.A. Dobrzaski, W. Sitek. - J. Mat. Proc. Tech., v.64, 1-3, ( ; 9. L.A. Dobrzaski, W. Sitek - J. Mat. Proc. Tech., 78(1-3 ( ;. L.A. Dobrzaski, W. Sitek - J. Mat. Proc. Tech., ( ; 11. L.A. Dobrzaski, W. Sitek - J. Mat. Proc. Tech., (1999 8;
Hartowno i odpuszczalno stali
Hartowno stali Podatno stali na hartowanie, zwana hartownoci, jest wyraana zalenoci przyrostu twardoci w wyniku hartowania od temperatury austenityzowania i szybkoci chłodzenia. O hartownoci stali współdecyduje:
Bardziej szczegółowoMetoda statystycznej oceny klasy uszkodze materiałów pracujcych w warunkach pełzania *
AMME 00 th Metoda statystycznej oceny klasy uszkodze materiałów pracujcych w warunkach pełzania * L.A. Dobrzaski, M. Krupiski, R. Maniara, W. Sitek Zakład Technologii Procesów Materiałowych i Technik Komputerowych
Bardziej szczegółowo7. Symulacje komputerowe z wykorzystaniem opracowanych modeli
Opracowane w ramach wykonanych bada modele sieci neuronowych pozwalaj na przeprowadzanie symulacji komputerowych, w tym dotycz cych m.in.: zmian twardo ci stali szybkotn cych w zale no ci od zmieniaj cej
Bardziej szczegółowoMateriały metalowe. Wpływ składu chemicznego na struktur i własnoci stali. Wpływ składu chemicznego na struktur stali niestopowych i niskostopowych
i własnoci stali Prezentacja ta ma na celu zaprezentowanie oraz przyblienie wiadomoci o wpływie pierwiastków stopowych na struktur stali, przygotowaniu zgładów metalograficznych oraz obserwacji struktur
Bardziej szczegółowoLABORATORIUM NAUKI O MATERIAŁACH
Politechnika Łódzka Wydział Mechaniczny Instytut Inżynierii Materiałowej LABORATORIUM NAUKI O MATERIAŁACH Blok nr 3 Kształtowanie właściwości mechanicznych materiałów Ćwiczenie nr KWMM 1 Temat: Obróbka
Bardziej szczegółowoOcena kształtu wydziele grafitu w eliwie sferoidalnym metod ATD
AMME 2003 12th Ocena kształtu wydziele grafitu w eliwie sferoidalnym metod ATD M. Stawarz, J. Szajnar Zakład Odlewnictwa, Instytut Materiałów Inynierskich i Biomedycznych Wydział Mechaniczny Technologiczny,
Bardziej szczegółowoMateriały metalowe. Odkształcenie plastyczne i rekrystalizacja metali. Copyright by L.A. Dobrzaski, IMIiB, Gliwice
Stale szybkotnce to takie stale stopowe, które maj zastosowanie na narzdzia tnce do obróbki skrawaniem, na narzdzia wykrojnikowe, a take na narzdzia do obróbki plastycznej na zimno i na gorco. Stale te
Bardziej szczegółowoPrognozowanie udziału grafitu i cementytu oraz twardoci na przekroju walca eliwnego na podstawie szybkoci krzepnicia
AMME 2003 12th Prognozowanie udziału grafitu i cementytu oraz twardoci na przekroju walca eliwnego na podstawie szybkoci krzepnicia J. Sucho Zakład Odlewnictwa, Instytut Materiałów Inynierskich i Biomedycznych,
Bardziej szczegółowoAnaliza parametrów krystalizacji eliwa chromowego w odlewach o rónych modułach krzepnicia
AMME 23 12th Analiza parametrów krystalizacji eliwa chromowego w odlewach o rónych modułach krzepnicia A. Studnicki Instytut Materiałów Inynierskich i Biomedycznych, Zakład Odlewnictwa, Politechnika lska,
Bardziej szczegółowoWpływ procesu stygnicia odlewu na wybrane parametry eliwa chromowego odpornego na cieranie
AMME 2003 12th Wpływ procesu stygnicia odlewu na wybrane parametry eliwa chromowego odpornego na cieranie A. Studnicki, M. Przybył, J. Kilarski Instytut Materiałów Inynierskich i Biomedycznych, Zakład
Bardziej szczegółowoWpływ wanadu na przemiany przy odpuszczaniu stali o małej zawartoci innych pierwiastków
AMME 2003 12th Wpływ wanadu na przemiany przy odpuszczaniu stali o małej zawartoci innych pierwiastków J. Pacyna, R. Dbrowski Wydział Metalurgii i Inynierii Materiałowej, Akademia Górniczo-Hutnicza Al.
Bardziej szczegółowoStruktura i własnoci mechaniczne elementów kutych o zrónicowanej hartownoci ze stali mikrostopowych metod obróbki cieplno-mechanicznej
AMME 2003 12th Struktura i własnoci mechaniczne elementów kutych o zrónicowanej hartownoci ze stali mikrostopowych metod obróbki cieplno-mechanicznej J. Adamczyk, M. Opiela, A. Grajcar Zakład Inynierii
Bardziej szczegółowo6. Projektowanie składu chemicznego stali szybkotn cych o wymaganej twardo ci i odporno ci na p kanie
6. Projektowanie składu chemicznego stali szybkotn cych o wymaganej twardo ci i odporno ci na p kanie Do projektowania składu chemicznego stali szybkotn cych, które jest zadaniem optymalizacyjnym, wykorzystano
Bardziej szczegółowoPOLITECHNIKA CZĘSTOCHOWSKA
POLITECHNIKA CZĘSTOCHOWSKA Instytut Inżynierii Materiałowej Stale narzędziowe do pracy na zimno CEL ĆWICZENIA Celem ćwiczenia jest zapoznanie się ze składem chemicznym, mikrostrukturą, właściwościami mechanicznymi
Bardziej szczegółowoTŁOCZNO BLACH O PODWYSZONEJ WYTRZYMAŁOCI
Obróbka Plastyczna Metali Nr 1, 2005 Materiałoznawstwo i obróbka cieplna mgr in. Henryk Łobza, in. Marian Stefaniak, mgr in. Sławomir Sosnowski Instytut Obróbki Plastycznej, Pozna TŁOCZNO BLACH O PODWYSZONEJ
Bardziej szczegółowoTemat: Sztuczne Sieci Neuronowe. Instrukcja do ćwiczeń przedmiotu INŻYNIERIA WIEDZY I SYSTEMY EKSPERTOWE
Temat: Sztuczne Sieci Neuronowe Instrukcja do ćwiczeń przedmiotu INŻYNIERIA WIEDZY I SYSTEMY EKSPERTOWE Dr inż. Barbara Mrzygłód KISiM, WIMiIP, AGH mrzyglod@ agh.edu.pl 1 Wprowadzenie Sztuczne sieci neuronowe
Bardziej szczegółowo5. Modelowanie własno ci stali szybkotn cych
5. Modelowanie własno ci stali szybkotn cych Głównym celem przeprowadzonych bada jest opracowanie metodyki projektowania nowych stali szybkotn cych o wymaganych własno ciach u ytkowych. Przyj to, e przy
Bardziej szczegółowoZASTOSOWANIE SIECI NEURONOWYCH DO OPTYMALIZACJI WARUNKÓW OBRÓBKI CIEPLNEJ STOPÓW Mg-Al
LESZEK A. DOBRZAŃSKI, TOMASZ TAŃSKI ZASTOSOWANIE SIECI NEURONOWYCH DO OPTYMALIZACJI WARUNKÓW OBRÓBKI CIEPLNEJ STOPÓW Mg-Al APPLICATION OF NEURAL NETWORKS FOR OPTIMISATION OF Mg-Al ALLOYS HEAT TREATMENT
Bardziej szczegółowoprzewidywania zapotrzebowania na moc elektryczn
do Wykorzystanie do na moc elektryczn Instytut Techniki Cieplnej Politechnika Warszawska Slide 1 of 20 do Coraz bardziej popularne staj si zagadnienia zwi zane z prac ¹ródªa energii elektrycznej (i cieplnej)
Bardziej szczegółowoPrzyczyny zmiany struktury kryształów kolumnowych w odlewach wykonywanych pod wpływem wymuszonej konwekcji
AMME 2002 11th Przyczyny zmiany struktury kryształów kolumnowych w odlewach wykonywanych pod wpływem wymuszonej konwekcji J. Gawroski, J. Szajnar Katedra Odlewnictwa, Politechnika lska ul. Towarowa 7,
Bardziej szczegółowoOptymalizacja cech geometrycznych stentu wiecowego z wykorzystaniem metody elementów skoczonych*
AMME 2003 12th Optymalizacja cech geometrycznych stentu wiecowego z wykorzystaniem metody elementów skoczonych* W. Walke, Z. Paszenda, J. Marciniak Instytut Materiałów Inynierskich i Biomedycznych, Wydział
Bardziej szczegółowoLABORATORIUM NAUKI O MATERIAŁACH
Politechnika Łódzka Wydział Mechaniczny Instytut Inżynierii Materiałowej LABORATORIUM NAUKI O MATERIAŁACH Ćwiczenie nr 6 Temat: Hartowność. Próba Jominy`ego Łódź 2010 WSTĘP TEORETYCZNY Pojęcie hartowności
Bardziej szczegółowoWysza twardo to wzrost czasu uytkowania narzdzia
Wysza twardo to wzrost czasu uytkowania narzdzia Sporód wielu czynników, które najbardziej redukuj koszty produkcji wyrónia si najwaniejsze wymienione poniej: czas pracy narzdzia niskie stałe koszty produkcji
Bardziej szczegółowoBadania technologii napawania laserowego i plazmowego proszkami na osnowie kobaltu, przylgni grzybków zaworów ze stali X40CrSiMo10-2
AMME 2003 12th Badania technologii laserowego i plazmowego proszkami na osnowie kobaltu, przylgni grzybków zaworów ze stali X40CrSiMo10-2 A. Klimpel, A. Lisiecki, D. Janicki Katedra Spawalnictwa, Politechnika
Bardziej szczegółowoRecenzja rozprawy doktorskiej mgr inż. Joanny Wróbel
Prof. dr hab. inż. Tadeusz BURCZYŃSKI, czł. koresp. PAN Instytut Podstawowych Problemów Techniki PAN ul. A. Pawińskiego 5B 02-106 Warszawa e-mail: tburczynski@ippt.pan.pl Warszawa, 15.09.2017 Recenzja
Bardziej szczegółowoWpływ warunków obróbki cieplnej na własnoci stopu AlMg1Si1*
AMME 2001 10th JUBILEE INTERNATIONAL SC IENTIFIC CONFERENCE Wpływ warunków obróbki cieplnej na własnoci stopu AlMg1Si1* S. Tkaczyk, M. Kciuk Zakład Zarzdzania Jakoci, Instytut Materiałów Inynierskich i
Bardziej szczegółowoSTATYCZNA PRÓBA ROZCIĄGANIA
Mechanika i wytrzymałość materiałów - instrukcja do ćwiczenia laboratoryjnego: STATYCZNA PRÓBA ROZCIĄGANIA oprac. dr inż. Jarosław Filipiak Cel ćwiczenia 1. Zapoznanie się ze sposobem przeprowadzania statycznej
Bardziej szczegółowoStruktura i własnoci magnetyczne kompozytów typu nanokrystaliczny proszek stopu Fe 73,5 Cu 1 Nb 3 Si 13,5 B 9 - polimer *
AMME 2002 11th Struktura i własnoci magnetyczne kompozytów typu nanokrystaliczny proszek stopu Fe 73,5 Cu 1 Nb 3 Si 13,5 B 9 - polimer * B. Zibowicz a, D. Szewieczek b, L.A. Dobrzaski a a Zakład Technologii
Bardziej szczegółowo4. Wyniki bada uzupełniaj cych własno ci stali szybkotn cych
4. Wyniki bada uzupełniaj cych własno ci stali szybkotn cych 4.1. Wyniki bada twardo ci Pomiarów twardo ci stali w skali C Rockwella dokonano na przekroju próbek poddanych uprzednio badaniu współczynnika
Bardziej szczegółowo, S. Griner a, J. Konieczny a,#
AMME 2002 11th Własnoci magnetyczne i struktura nanokrystalicznych materiałów proszkowych magnetycznie mikkich otrzymanych na drodze kombinowanej nanokrystalizacji termicznej i wysokoenergetycznego mielenia
Bardziej szczegółowoPodstawy Sztucznej Inteligencji (PSZT)
Podstawy Sztucznej Inteligencji (PSZT) Paweł Wawrzyński Uczenie maszynowe Sztuczne sieci neuronowe Plan na dziś Uczenie maszynowe Problem aproksymacji funkcji Sieci neuronowe PSZT, zima 2013, wykład 12
Bardziej szczegółowoPorównanie struktury i własnoci magnetycznych nanokrystalicznych proszków ze stopów Co 77 Si 11,5 B 11,5 i Co 68 Fe 4 Mo 1 Si 13,5 B 13,5
AMME 2003 12th Porównanie struktury i własnoci magnetycznych nanokrystalicznych proszków ze stopów Co 77 Si 11,5 B 11,5 i Co 68 Fe 4 Mo 1 Si 13,5 B 13,5 L. A. Dobrzaski a, R. Nowosielski b, J. Konieczny
Bardziej szczegółowoFUNKCYJNY OPIS KRZYWEJ HARTOWNOŚCI. JURA Stanisław., BARTOCHA Dariusz Katedra Odlewnictwa, Politechniki Śląskiej, Gliwice Towarowa 7, POLAND
16/ Solidification of Metals and Alloys, Year 1999, Volume 1, Book No. Krzepnięcie Metali i Stopów, Rok 1999, Rocznik 1, Nr PAN Katowice PL ISSN 8-9386 FUNKCYJNY OPIS KRZYWEJ HARTOWNOŚCI JURA Stanisław.,
Bardziej szczegółowoWPŁYW SZYBKOŚCI STYGNIĘCIA NA WŁASNOŚCI TERMOFIZYCZNE STALIWA W STANIE STAŁYM
2/1 Archives of Foundry, Year 200, Volume, 1 Archiwum Odlewnictwa, Rok 200, Rocznik, Nr 1 PAN Katowice PL ISSN 1642-308 WPŁYW SZYBKOŚCI STYGNIĘCIA NA WŁASNOŚCI TERMOFIZYCZNE STALIWA W STANIE STAŁYM D.
Bardziej szczegółowoTłumienie pól elektromagnetycznych przez ekrany warstwowe hybrydowe ze szkieł metalicznych na osnowie elaza i kobaltu
AMME 2002 11th Tłumienie pól elektromagnetycznych przez ekrany warstwowe hybrydowe ze szkieł metalicznych na osnowie elaza i kobaltu R. Nowosielski, S. Griner Zakład Materiałów Nanokrystalicznych i Funkcjonalnych
Bardziej szczegółowoKOMPUTEROWA SYMULACJA POLA TWARDOŚCI W ODLEWACH HARTOWANYCH
3/38 Solidification of Metals and Alloys, No. 38, 1998 Krzepnięcie Metali i Stopów, nr 38, 1998 PAN Katowice PL ISSN 0208-9386 KOMPUTEROWA SYMULACJA POLA TWARDOŚCI W ODLEWACH HARTOWANYCH JURA Stanisław,
Bardziej szczegółowowiczenie nr 3 z przedmiotu Metody prognozowania kwiecie«2015 r. Metodyka bada«do±wiadczalnych dr hab. in». Sebastian Skoczypiec Cel wiczenia Zaªo»enia
wiczenie nr 3 z przedmiotu Metody prognozowania kwiecie«2015 r. wiczenia 1 2 do wiczenia 3 4 Badanie do±wiadczalne 5 pomiarów 6 7 Cel Celem wiczenia jest zapoznanie studentów z etapami przygotowania i
Bardziej szczegółowoMetody numeryczne. Wst p do metod numerycznych. Dawid Rasaªa. January 9, 2012. Dawid Rasaªa Metody numeryczne 1 / 9
Metody numeryczne Wst p do metod numerycznych Dawid Rasaªa January 9, 2012 Dawid Rasaªa Metody numeryczne 1 / 9 Metody numeryczne Czym s metody numeryczne? Istota metod numerycznych Metody numeryczne s
Bardziej szczegółowoDaniel Kierepka. Kompresja obrazów za pomoc sztucznych sieci neuronowych
Daniel Kierepka Kompresja obrazów za pomoc sztucznych sieci neuronowych We współczesnym wiecie do duym problemem jest przesyłanie danych o znacznej wielkoci w sieciach telekomunikacyjnych. W tej pracy
Bardziej szczegółowoĆWICZENIE Nr 7. Laboratorium Inżynierii Materiałowej. Akceptował: Kierownik Katedry prof. dr hab. B. Surowska. Opracował: dr inż.
POLITECHNIKA LUBELSKA WYDZIAŁ MECHANICZNY KATEDRA INŻYNIERII MATERIAŁOWEJ Akceptował: Kierownik Katedry prof. dr hab. B. Surowska Laboratorium Inżynierii Materiałowej ĆWICZENIE Nr 7 Opracował: dr inż.
Bardziej szczegółowoSPECYFIKACJE TECHNICZNE WYBRANYCH GATUNKÓW STALI
SPECYFIKACJE TECHNICZNE WYBRANYCH GATUNKÓW STALI Opis dotyczy wszystkich tabel z odsyłaczami: 1) ) ) wg analizy wytopowej stan walcowany + łuszczony" dla stali niestopowych, stan wyżarzony + łuszczony"
Bardziej szczegółowoĆWICZENIE Nr 5. Laboratorium Inżynierii Materiałowej. Akceptował: Kierownik Katedry prof. dr hab. B. Surowska. Opracował: dr inż.
POLITECHNIKA LUBELSKA WYDZIAŁ MECHANICZNY KATEDRA INŻYNIERII MATERIAŁOWEJ Akceptował: Kierownik Katedry prof. dr hab. B. Surowska Laboratorium Inżynierii Materiałowej ĆWICZENIE Nr 5 Opracował: dr inż.
Bardziej szczegółowoSPORZDZANIE KRZYWEJ DAC (Distance Amplitude Correction) ORAZ OCENA WAD MATERIAŁOWYCH
Obróbka Plastyczna Metali Nr 1, 2005 Materiałoznawstwo i obróbka cieplna dr in. Jarosław Samolczyk Instytut Obróbki Plastycznej, Pozna SPORZDZANIE KRZYWEJ DAC (Distance Amplitude Correction) ORAZ OCENA
Bardziej szczegółowo8. Przykłady wyników modelowania własno ci badanych stopów Mg-Al-Zn z wykorzystaniem narz dzi sztucznej inteligencji
8. Przykłady wyników modelowania własno ci badanych stopów Mg-Al-Zn z wykorzystaniem narz dzi sztucznej inteligencji W przypadku numerycznego modelowania optymalnych warunków obróbki cieplnej badanych
Bardziej szczegółowoALGORYTMY SZTUCZNEJ INTELIGENCJI
ALGORYTMY SZTUCZNEJ INTELIGENCJI Sieci neuronowe 06.12.2014 Krzysztof Salamon 1 Wstęp Sprawozdanie to dotyczy ćwiczeń z zakresu sieci neuronowych realizowanym na przedmiocie: Algorytmy Sztucznej Inteligencji.
Bardziej szczegółowoĆwiczenie 6 HARTOWNOŚĆ STALI. 1. Cel ćwiczenia. 2. Wprowadzenie
Ćwiczenie 6 HARTOWNOŚĆ STALI 1. Cel ćwiczenia Ćwiczenie ma na celu zaznajomienie studentów ze metodami wyznaczania hartowności stali, a w szczególności z metodą obliczeniową. W ramach ćwiczenia studenci
Bardziej szczegółowoStosowane s na narzdzia nie przekraczajce w czasie pracy temperatury wyszej ni 200 C.
Stosowane s na narzdzia nie przekraczajce w czasie pracy temperatury wyszej ni 200 C. Narzdzia do pracy na zimno mona pogrupowa na narzdzia skrawajce, tnce stosowane do obróbki rónych tworzyw oraz narzdzia
Bardziej szczegółowoODPORNOŚĆ STALIWA NA ZUŻYCIE EROZYJNE CZĘŚĆ II. ANALIZA WYNIKÓW BADAŃ
Szybkobieżne Pojazdy Gąsienicowe (15) nr 1, 2002 Stanisław JURA Roman BOGUCKI ODPORNOŚĆ STALIWA NA ZUŻYCIE EROZYJNE CZĘŚĆ II. ANALIZA WYNIKÓW BADAŃ Streszczenie: W części I w oparciu o teorię Bittera określono
Bardziej szczegółowoWPŁYW OBRÓBKI CIEPLNEJ NA WYBRANE WŁASNOŚCI STALIWA CHROMOWEGO ODPORNEGO NA ŚCIERANIE
59/22 Archives of Foundry, Year 2006, Volume 6, 22 Archiwum Odlewnictwa, Rok 2006, Rocznik 6, Nr 22 PAN Katowice PL ISSN 1642-5308 WPŁYW OBRÓBKI CIEPLNEJ NA WYBRANE WŁASNOŚCI STALIWA CHROMOWEGO ODPORNEGO
Bardziej szczegółowoSztuczna Inteligencja Tematy projektów Sieci Neuronowe
PB, 2009 2010 Sztuczna Inteligencja Tematy projektów Sieci Neuronowe Projekt 1 Stwórz projekt implementujący jednokierunkową sztuczną neuronową złożoną z neuronów typu sigmoidalnego z algorytmem uczenia
Bardziej szczegółowoOPIS CHROMATOGRAMÓW GC/ECD. sporz dzony na podstawie informacji zawartych
ZAŁCZNIK E OPIS CHROMATOGRAMÓW GC/ECD sporzdzony na podstawie informacji zawartych w Opinii CLKP w Warszawie nr E-che 90/12 Jest to załcznik do OPINII w przedmiocie poprawnoci metodologicznej wykonanych
Bardziej szczegółowoSTAL NARZĘDZIOWA DO PRACY NA ZIMNO
STAL NARZĘDZIOWA DO PRACY NA ZIMNO Jakościowe porównanie głównych własności stali Tabela daje jedynie wskazówki, by ułatwić dobór stali. Nie uwzględniono tu charakteru obciążenia narzędzia wynikającego
Bardziej szczegółowoOptymalizacja składu chemicznego stali szybkotncych z wykorzystaniem algorytmów genetycznych *
AMME 2002 11th Optymalizacja składu chemicznego stali szybkotncych z wykorzystaniem algorytmów genetycznych * W. Sitek, L.A. Dobrzaski, A. Pitka Zakład Technologii Procesów Materiałowych i Technik Komputerowych
Bardziej szczegółowoZastosowania sieci neuronowych
Zastosowania sieci neuronowych aproksymacja LABORKA Piotr Ciskowski zadanie 1. aproksymacja funkcji odległość punktów źródło: Żurada i in. Sztuczne sieci neuronowe, przykład 4.4, str. 137 Naucz sieć taką
Bardziej szczegółowoKonspekt lekcji matematyki klasa 4e Liceum Ogólnokształcce
mgr Tomasz Grbski Konspekt lekcji matematyki klasa 4e Liceum Ogólnokształcce Temat: Dyskusja nad liczb rozwiza równania liniowego i kwadratowego z wartoci bezwzgldn i parametrem. Czas trwania: 45 minut.
Bardziej szczegółowostopie szaro ci piksela ( x, y)
I. Wstp. Jednym z podstawowych zada analizy obrazu jest segmentacja. Jest to podział obrazu na obszary spełniajce pewne kryterium jednorodnoci. Jedn z najprostszych metod segmentacji obrazu jest progowanie.
Bardziej szczegółowoWYKŁAD 4 PLAN WYKŁADU. Sieci neuronowe: Algorytmy uczenia & Dalsze zastosowania. Metody uczenia sieci: Zastosowania
WYKŁAD 4 Sieci neuronowe: Algorytmy uczenia & Dalsze zastosowania PLAN WYKŁADU Metody uczenia sieci: Uczenie perceptronu Propagacja wsteczna Zastosowania Sterowanie (powtórzenie) Kompresja obrazu Rozpoznawanie
Bardziej szczegółowoMODELOWANIE KOSZTÓW USŁUG ZDROWOTNYCH PRZY
MODELOWANIE KOSZTÓW USŁUG ZDROWOTNYCH PRZY WYKORZYSTANIU METOD STATYSTYCZNYCH mgr Małgorzata Pelczar 6 Wprowadzenie Reforma służby zdrowia uwypukliła problem optymalnego ustalania kosztów usług zdrowotnych.
Bardziej szczegółowo4. Charakterystyka stali niestopowych. I. Stale niestopowe konstrukcyjne, maszynowe i na urzdzenia cinieniowe. Stal jest łatwospawalna gdy:
4. Charakterystyka stali niestopowych I. Stale niestopowe konstrukcyjne, maszynowe i na urzdzenia cinieniowe 1. Stale niestopowe konstrukcyjne i maszynowe (PN-EN 1025:2002U) Wymagania: Łatwa spawalno Stal
Bardziej szczegółowoTestowanie hipotez statystycznych. Wnioskowanie statystyczne
Testowanie hipotez statystycznych Wnioskowanie statystyczne Hipoteza statystyczna to dowolne przypuszczenie co do rozkładu populacji generalnej (jego postaci funkcyjnej lub wartości parametrów). Hipotezy
Bardziej szczegółowoHartowność jako kryterium doboru stali
Hartowność jako kryterium doboru stali 1. Wstęp Od stali przeznaczonej do wyrobu części maszyn wymaga się przede wszystkim dobrych właściwości mechanicznych. Stali nie można jednak uznać za stal wysokiej
Bardziej szczegółowoBADANIA ŻELIWA CHROMOWEGO NA DYLATOMETRZE ODLEWNICZYM DO-01/P.Śl.
36/38 Solidification of Metals and Alloys, No. 38, 1998 Krzepnięcie Metali i Stopów, nr 38, 1998 PAN Katowice PL ISSN 0208-9386 BADANIA ŻELIWA CHROMOWEGO NA DYLATOMETRZE ODLEWNICZYM DO-01/P.Śl. STUDNICKI
Bardziej szczegółowoSystemy pomiarowo-diagnostyczne. Metody uczenia maszynowego wykład III 2016/2017
Systemy pomiarowo-diagnostyczne Metody uczenia maszynowego wykład III bogumil.konopka@pwr.edu.pl 2016/2017 Wykład III - plan Regresja logistyczna Ocena skuteczności klasyfikacji Macierze pomyłek Krzywe
Bardziej szczegółowoOdporno korozyjna stopu AlMg1Si1
AMME 2002 11th Odporno korozyjna stopu AlMg1Si1 S. Tkaczyk, M. Kciuk Zakład Zarzdzania Jakoci, Instytut Materiałów Inynierskich i Biomedycznych, Politechnika lska ul. Konarskiego 18a, 44-100 Gliwice, Poland
Bardziej szczegółowoStatyczna próba skrcania
Laboratorium z Wytrzymałoci Materiałów Statyczna próba skrcania Instrukcja uzupełniajca Opracował: Łukasz Blacha Politechnika Opolska Katedra Mechaniki i PKM Opole, 2011 2 Wprowadzenie Do celów wiczenia
Bardziej szczegółowoRezonans szeregowy (E 4)
POLITECHNIKA LSKA WYDZIAŁINYNIERII RODOWISKA I ENERGETYKI INSTYTT MASZYN I RZDZE ENERGETYCZNYCH Rezonans szeregowy (E 4) Opracował: mgr in. Janusz MDRYCH Zatwierdził: W.O. . Cel wiczenia. Celem wiczenia
Bardziej szczegółowoWeryfikacja hipotez statystycznych, parametryczne testy istotności w populacji
Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych Wydział Informatyki Politechniki
Bardziej szczegółowoWYKORZYSTANIE SIECI NEURONOWEJ DO BADANIA WPŁYWU WYDOBYCIA NA SEJSMICZNOŚĆ W KOPALNIACH WĘGLA KAMIENNEGO. Stanisław Kowalik (Poland, Gliwice)
WYKORZYSTANIE SIECI NEURONOWEJ DO BADANIA WPŁYWU WYDOBYCIA NA SEJSMICZNOŚĆ W KOPALNIACH WĘGLA KAMIENNEGO Stanisław Kowalik (Poland, Gliwice) 1. Wprowadzenie Wstrząsy podziemne i tąpania występujące w kopalniach
Bardziej szczegółowoSpis treści. Przedmowa... XI. Rozdział 1. Pomiar: jednostki miar... 1. Rozdział 2. Pomiar: liczby i obliczenia liczbowe... 16
Spis treści Przedmowa.......................... XI Rozdział 1. Pomiar: jednostki miar................. 1 1.1. Wielkości fizyczne i pozafizyczne.................. 1 1.2. Spójne układy miar. Układ SI i jego
Bardziej szczegółowoW Y B R A N E P R O B L E M Y I N Y N I E R S K I E
W Y B R A N E P R O B L E M Y I NY N I E R S K I E Z E S Z Y T Y N A U K O W E I N S T Y T U T U A U T O M A T Y Z A C J I P R O C E S Ó W T E C H N O L O G I C Z N Y C H I Z I N T E G R O W A N Y C H
Bardziej szczegółowoStruktura i własnoci mechaniczne elementów kutych metod obróbki cieplno-mechanicznej ze stali mikrostopowych
AMME 2002 11th Struktura i własnoci mechaniczne elementów kutych metod obróbki cieplno-mechanicznej ze stali mikrostopowych J. Adamczyk, M. Opiela, A. Grajcar Zakład Inynierii Materiałów Konstrukcyjnych
Bardziej szczegółowoBadania właściwości zmęczeniowych bimetalu stal S355J2- tytan Grade 1
Badania właściwości zmęczeniowych bimetalu stal S355J2- tytan Grade 1 ALEKSANDER KAROLCZUK a) MATEUSZ KOWALSKI a) a) Wydział Mechaniczny Politechniki Opolskiej, Opole 1 I. Wprowadzenie 1. Technologia zgrzewania
Bardziej szczegółowoStruktura i własnoci powłoki TiAlSiN uzyskanej w procesie PVD na płytkach z ceramiki azotkowej Si 3 N 4 *
AMME 2002 11th Struktura i własnoci powłoki TiAlSiN uzyskanej w procesie PVD na płytkach z ceramiki azotkowej Si 3 N 4 * L.A. Dobrzaski, D. Pakuła, K. Gołombek, J. Mikuła Zakład Technologii Procesów Materiałowych
Bardziej szczegółowoPomiar i nastawianie luzu w osiach posuwowych obrotowych
Wydział Budowy Maszyn i Zarządzania Instytut Technologii Mechanicznej Maszyny i urządzenia technologiczne laboratorium Pomiar i nastawianie luzu w osiach posuwowych obrotowych Cykl II Ćwiczenie 1 1. CEL
Bardziej szczegółowoPorównanie generatorów liczb losowych wykorzystywanych w arkuszach kalkulacyjnych
dr Piotr Sulewski POMORSKA AKADEMIA PEDAGOGICZNA W SŁUPSKU KATEDRA INFORMATYKI I STATYSTYKI Porównanie generatorów liczb losowych wykorzystywanych w arkuszach kalkulacyjnych Wprowadzenie Obecnie bardzo
Bardziej szczegółowoWpływ obróbki cieplnej na morfologi ledeburytu przenienionego w stopach podeutektycznych
AMME 2001 10th JUBILEE INTERNATIONAL SC IENTIFIC CONFERENCE Wpływ obróbki cieplnej na morfologi ledeburytu przenienionego w stopach podeutektycznych J. Pacyna, J. Krawczyk Wydział Metalurgii i Inynierii
Bardziej szczegółowoZastosowanie sztucznych sieci neuronowych do modelowania procesów azotowania próżniowego stali narzędziowych
Zastosowanie sztucznych sieci neuronowych do modelowania procesów azotowania próżniowego stali narzędziowych Emilia Wołowiec-Korecka Politechnika Łódzka Zastosowania statystyki i data mining w badaniach
Bardziej szczegółowostudia stacjonarne Liczba godzin/tydzień: 1W, 1Ćw PRZEWODNIK PO PRZEDMIOCIE
Nazwa przedmiotu WSTĘP DO WSPÓŁCZESNEJ INŻYNIERII MATERIAŁOWEJ Introduction to Modern Materials Engineering Kierunek: Kod przedmiotu: ZIP.F.O.17 Zarządzanie i Inżynieria Produkcji Rodzaj przedmiotu: Poziom
Bardziej szczegółowoStale Leksykon materia oznawstwa
Stale Leksykon materiaoznawstwa PN-EN 10084:2008 Stal stopowa do nawglania Cz 2, rozdzia 2, podrozdzia 2, str. 1 Stal 20MnCrS5 1.7149 Data opracowania: 16.02.2009 r. Skad chemiczny, stenie masowe pierwiastka,
Bardziej szczegółowoZMIANY W KRZYWIZNACH KRGOSŁUPA MCZYZN I KOBIET W POZYCJI SIEDZCEJ W ZALENOCI OD TYPU POSTAWY CIAŁA WSTP
Elbieta CHLEBICKA Agnieszka GUZIK Wincenty LIWA Politechnika Wrocławska ZMIANY W KRZYWIZNACH KRGOSŁUPA MCZYZN I KOBIET W POZYCJI SIEDZCEJ W ZALENOCI OD TYPU POSTAWY CIAŁA WSTP siedzca, która jest przyjmowana
Bardziej szczegółowoZAPYTANIE OFERTOWE. Alchemia S.A. Oddział Walcownia Rur Andrzej, ul. Lubliniecka 12, Zawadzkie
Zawadzkie, 29.05.2017 ZAPYTANIE OFERTOWE dotyczy: Przeprowadzenia procedury wyboru najkorzystniejszej oferty w związku z planowaną realizacją Projektu w ramach Poddziałania 1.1.1 Badania przemysłowe i
Bardziej szczegółowo43 edycja SIM Paulina Koszla
43 edycja SIM 2015 Paulina Koszla Plan prezentacji O konferencji Zaprezentowane artykuły Inne artykuły Do udziału w konferencji zaprasza się młodych doktorów, asystentów i doktorantów z kierunków: Inżynieria
Bardziej szczegółowoZastosowanie sztucznych sieci neuronowych w prognozowaniu szeregów czasowych (prezentacja 2)
Zastosowanie sztucznych sieci neuronowych w prognozowaniu szeregów czasowych (prezentacja 2) Ewa Wołoszko Praca pisana pod kierunkiem Pani dr hab. Małgorzaty Doman Plan tego wystąpienia Teoria Narzędzia
Bardziej szczegółowoThe project "TEMPUS - MMATENG"
The project "TEMPUS - MMATENG" MAT SPAW PROGRAM WSPOMAGAJĄCY ANALIZĘ SPAWALNOŚCI STALI I OPRACOWANIE TECHNOLOGII SPAWANIA Janusz Mikuła, Dr.-eng. Hab., Professor, Director of Institute Material Engineering
Bardziej szczegółowoZALENO GRUBOCI WARSTWY AZOTOWANEJ JONOWO OD PROPORCJI SKŁADNIKÓW ATMOSFERY AZOTUJCEJ
Obróbka Plastyczna Metali Nr 1, 25 Materiałoznawstwo i obróbka cieplna mgr in. Szymon Głowacki, mgr in. Andrzej Majchrzak, mgr in. Walerian Majchrzak Instytut Obróbki Plastycznej, Pozna ZALENO GRUBOCI
Bardziej szczegółowoDane dotyczące wartości zmiennej (cechy) wprowadzamy w jednej kolumnie. W przypadku większej liczby zmiennych wprowadzamy każdą w oddzielnej kolumnie.
STATISTICA INSTRUKCJA - 1 I. Wprowadzanie danych Podstawowe / Nowy / Arkusz Dane dotyczące wartości zmiennej (cechy) wprowadzamy w jednej kolumnie. W przypadku większej liczby zmiennych wprowadzamy każdą
Bardziej szczegółowoROZKŁAD TWARDOŚCI I MIKROTWARDOŚCI OSNOWY ŻELIWA CHROMOWEGO ODPORNEGO NA ŚCIERANIE NA PRZEKROJU MODELOWEGO ODLEWU
35/9 Archives of Foundry, Year 2003, Volume 3, 9 Archiwum Odlewnictwa, Rok 2003, Rocznik 3, Nr 9 PAN Katowice PL ISSN 1642-5308 ROZKŁAD TWARDOŚCI I MIKROTWARDOŚCI OSNOWY ŻELIWA CHROMOWEGO ODPORNEGO NA
Bardziej szczegółowoBadanie dylatometryczne żeliwa w zakresie przemian fazowych zachodzących w stanie stałym
PROJEKT NR: POIG.1.3.1--1/ Badania i rozwój nowoczesnej technologii tworzyw odlewniczych odpornych na zmęczenie cieplne Badanie dylatometryczne żeliwa w zakresie przemian fazowych zachodzących w stanie
Bardziej szczegółowoSTABILNOŚĆ STRUKTURALNA STALI P92 W KSZTAŁTOWANYCH PLASTYCZNIE ELEMENTACH RUROCIĄGÓW KOTŁÓW ENERGETYCZNYCH ANDRZEJ TOKARZ, WŁADYSŁAW ZALECKI
PL0400058 STABILNOŚĆ STRUKTURALNA STALI P92 W KSZTAŁTOWANYCH PLASTYCZNIE ELEMENTACH RUROCIĄGÓW KOTŁÓW ENERGETYCZNYCH ANDRZEJ TOKARZ, WŁADYSŁAW ZALECKI Instytut Metalurgii Żelaza im. S. Staszica, Gliwice
Bardziej szczegółowoPoprawa efektywnoci metody wstecznej propagacji bdu. Jacek Bartman
Poprawa efektywnoci metody wstecznej propagac bdu Algorytm wstecznej propagac bdu. Wygeneruj losowo wektory wag. 2. Podaj wybrany wzorzec na wejcie sieci. 3. Wyznacz odpowiedzi wszystkich neuronów wyjciowych
Bardziej szczegółowoBadanie efektywnoci procesów logistycznych narzdziem wspomagajcym tworzenie łacuchów zarzdzania dostawami *
AMME 2001 10th JUBILEE INTERNATIONAL SC IENTIFIC CONFERENCE Badanie efektywnoci procesów logistycznych narzdziem wspomagajcym tworzenie łacuchów zarzdzania dostawami * S. Tkaczyk, M. Roszak Zakład Zarzdzania
Bardziej szczegółowoUczenie Wielowarstwowych Sieci Neuronów o
Plan uczenie neuronu o ci gªej funkcji aktywacji uczenie jednowarstwowej sieci neuronów o ci gªej funkcji aktywacji uczenie sieci wielowarstwowej - metoda propagacji wstecznej neuronu o ci gªej funkcji
Bardziej szczegółowoStale niestopowe jakościowe Stale niestopowe specjalne
Ćwiczenie 5 1. Wstęp. Do stali specjalnych zaliczane są m.in. stale o szczególnych własnościach fizycznych i chemicznych. Są to stale odporne na różne typy korozji: chemiczną, elektrochemiczną, gazową
Bardziej szczegółowoZastosowanie optymalizacji rojem cząstek (PSO) w procesie uczenia wielowarstwowej sieci neuronowej w problemie lokalizacyjnym, kontynuacja badań
Zastosowanie optymalizacji rojem cząstek (PSO) w procesie uczenia wielowarstwowej sieci neuronowej w problemie lokalizacyjnym, kontynuacja badań Jan Karwowski Wydział Matematyki i Nauk Informacyjnych PW
Bardziej szczegółowoElementy pneumatyczne
POLITECHNIKA LSKA W GLIWICACH WYDZIAŁ INYNIERII RODOWISKA i ENERGETYKI INSTYTUT MASZYN i URZDZE ENERGETYCZNYCH Elementy pneumatyczne Laboratorium automatyki (A 3) Opracował: dr in. Jacek Łyczko Sprawdził:
Bardziej szczegółowoBadania odpornoci na korozj napreniow stopu aluminium typu AlMg5
AMME 2003 12th 979 Badania odpornoci na korozj napreniow stopu aluminium typu AlMg5 S. Tkaczyk a, M. Kciuk b a Zakład Zarzdzania Jakoci b Zakład Materiałów Nanokrystalicznych i Funkcjonalnych oraz Zrównowaonych
Bardziej szczegółowoZasilanie urzdze elektronicznych laboratorium IV rok Elektronika Morska
Zasilanie urzdze elektronicznych laboratorium IV rok Elektronika Morska wiczenie 1. Wyznaczanie charakterystyk dławikowej przetwornicy buck przy wykorzystaniu analizy stanów przejciowych Celem niniejszego
Bardziej szczegółowoSZTUCZNA INTELIGENCJA
SZTUCZNA INTELIGENCJA WYKŁAD 8. SZTUCZNE SIECI NEURONOWE INNE ARCHITEKTURY Częstochowa 24 Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska SIEĆ O RADIALNYCH FUNKCJACH BAZOWYCH
Bardziej szczegółowoSPECYFIKACJA TECHNICZNA DLA OSIOWYCH KOMPENSATORÓW MIESZKOWYCH PRZEZNACZONYCH DO STOSOWANIA W WARSZAWSKIM SYSTEMIE CIEPŁOWNICZYM
ul. W. Skorochód-Majewskiego 3 02-104 Warszawa SPECYFIKACJA TECHNICZNA DLA OSIOWYCH KOMPENSATORÓW MIESZKOWYCH PRZEZNACZONYCH DO STOSOWANIA W WARSZAWSKIM SYSTEMIE CIEPŁOWNICZYM Niniejsza wersja obowiązuje
Bardziej szczegółowo