CALCULATION OF SELECTED ENGINE PARAMETERS OF S.I. ENGINE WITH THE USE OF NEURAL NETWORK WITH RADIAL BASIS FUNCTION

Save this PDF as:
 WORD  PNG  TXT  JPG

Wielkość: px
Rozpocząć pokaz od strony:

Download "CALCULATION OF SELECTED ENGINE PARAMETERS OF S.I. ENGINE WITH THE USE OF NEURAL NETWORK WITH RADIAL BASIS FUNCTION"

Transkrypt

1 Journal of KONES Internal Combustion Engines 003, vol. 10, 3-4 CALCULATION OF SELECTED ENGINE PARAMETERS OF S.I. ENGINE WITH THE USE OF NEURAL NETWORK WITH RADIAL BASIS FUNCTION Różycki Andrzej Politechnika Radomska Radom, ul. Chrobrego 45 Abstract The article presents the radial basis network architecture which was used to calculate the selected parameters combustion process. For teaching the network on algorithm of back propagation errors were used. The input and output teaching data files were received from the measurement and from the calculation was based on the First Thermodynamics Law. The application of the radial basis network enabled to minimize the input data files. In order to verify the structure of the net, the calculations of the accidentally chosen engine cycles were carried out. Additionally, some calculation results obtained with the use of the feedforward multilayer perceptron network were presented. Analysis of results obtained from calculation carried out with the use of both methods shows that the radial basis network allows to reduce input data files and minimize calculation errors. SIEĆ NEURONOWA O RADIALNEJ FUNKCJI BAZOWEJ W OBLICZENIACH WYBRANYCH PARAMETRÓW OBIEGU PRACY SILNIKA SPALINOWEGO O ZAPŁONIE ISKROWYM Streszczenie W artykule przedstawiono architekturę sztucznej sieci neuronowej o radialnej funkcji bazowej, którą wykorzystano do obliczeń wybranych parametrów procesu spalania. W procesie uczenia sieci zastosowano algorytm propagacji wstecznej. Wejściowe i wyjściowe zbiory uczące zastosowane do trenowania sieci uzyskano z pomiarów wykonanych na stanowisku hamownianym oraz z metody bazującej na pierwszej zasadzie termodynamiki. Zastosowanie sieci neuronowej o radialnej funkcji bazowej pozwoliło zminimalizować zbiory wejściowe. W celu weryfikacji struktury sieci przeprowadzono obliczenia dla przypadkowo wybranych przebiegów ciśnień. Wyniki obliczeń przeprowadzonych przy użyciu sieci neuronowej wykazały dużą zbieżność z obliczeniami za pomocą wspomnianej wyżej metody. Dodatkowo przedstawiono porównanie wyników obliczeń otrzymanych przy pomocy sieci jednokierunkowej wielowarstwowej. Z porównania wynika, że zastosowanie sieci o radialnej funkcji bazowej pozwala na znaczne zredukowanie wielkości zbiorów uczących przy jednoczesnym zmniejszeniu błędów obliczeń. Również czas uczenia sieci neuronowej uległ znacznemu skróceniu. Wykaz oznaczeń SSN - sztuczna sieć neuronowa, RBF - sieć neuronowa o radialnej funkcji bazowej KWCM - kąt występowania ciśnienia maksymalnego, CM - ciśnienie maksymalne, KKS - kąt końca spalania, KWPD - kąt wypalenia połowy dawki paliwa, JWSN - jednokierunkowa wielowarstwowa sieć neuronowa. Wstęp Coraz wyższe standardy emisji składników toksycznych spalin oraz dążenie do zmniejszania jednostkowego zużycia paliwa są głównym stymulatorem rozwoju zaawansowanych sys-

2 temów sterowania silnika spalinowego. Konwencjonalne systemy sterowania silnikiem wyposażone w wiele czujników monitorujących stan silnika i stosujące procedury sterowania oparte na mapach zapisanych w pamięci komputera pokładowego w coraz mniejszym stopniu zapewniają jego efektywną pracę. Z tego powodu prowadzone są prace badawcze sprawdzające możliwości wykorzystania w algorytmach sterowania silnikiem parametrów związanych bezpośrednio z procesem spalania. Parametry te można obliczać z przebiegów ciśnienia w cylindrze. Efektywne zastosowanie tego typu parametrów było niemożliwe z dwóch powodów: zbyt dużych kosztów aparatury pomiarowej, zbyt dużego czasu obliczeń. Obecnie dzięki szybkiemu rozwojowi aparatury pomiarowej opartej na tanich i wytrzymałych czujnikach ciśnienia wykonanych na bazie światłowodu [1], pierwszy z wyżej wymienionych powodów staje się nieaktualny. Drugi z wyżej wymienionych powodów możliwy jest do wyeliminowania, gdy do obliczania wybranych parametrów procesu spalania zastosuje się sztuczną sieć neuronową (SSN). Znane są już opracowania opisujące sterowanie mocą silnika przy wykorzystaniu takich parametrów obiegu pracy jak: kąt występowania ciśnienia maksymalnego w cylindrze, kąt wypalenia połowy dawki paliwa [,3]. Również, możliwość obliczania ww. parametrów w czasie rzeczywistym umożliwi tworzenie wirtualnych sensorów wykorzystywanych do przewidywania emisji silników bezpośrednio w trakcji. Wymóg ten związany jest z wprowadzaniem kolejnej generacji systemu diagnostyki pokładowej OBD. W prezentowanym artykule opisano SSN o radialnej funkcji bazowej RBF, która na podstawie danych wejściowych w postaci zbioru ciśnień w cylindrze, zmierzonych w trakcie jednego cyklu pracy, oblicza takie parametry, jak: kąt występowania ciśnienia maksymalnego (KWCM), wartość ciśnienia maksymalnego (CM), kąt końca spalania (KKS), kąt wypalenia połowy dawki paliwa (KWPD). Analiza obliczeń ww. parametrów za pomocą jednokierunkowej sieci wielowarstwowej opisana w [4] doprowadziła do sformułowania następujących wniosków: należy zmniejszyć zbiory wejściowe co pozwoli uprościć strukturę sieci, należy wyeliminować z obliczeń kąt początku spalania ze względu na duże błędy. Zmniejszenie zbiorów wejściowych polegało na zmodyfikowaniu wektorów wejściowych ciśnień do 54 wartości odpowiadającym procesowi spalania skupionych w okolicach jego punktów charakterystycznych, do których zaliczono: kąt wyprzedzenia zapłonu, GMP oraz 80 o OWK po GMP. Jednakże wyniki obliczeń uzyskane przy użyciu jednokierunkowej sieci wielowarstwowej obarczone były dużymi błędami. Dużo lepsze wyniki uzyskano stosując sieć o RBF. Dodatkową zaletą sieci o RBF było znaczne zwiększenie szybkości uczenia sieci. 1. Struktura sieci neuronowej Do eksperymentów numerycznych została wytypowana sieć neuronowa o radialnych funkcjach bazowych. Składa się ona z warstwy wejściowej o R=54 wejściach, na które podawane są wektory P wartości ciśnień w cylindrze (zawarte w zbiorach wejściowych), warstwy ukrytej zawierającej S 1 =54 neurony typu radbas oraz warstwy wyjściowej zawierającej S =4 neurony typu purelin rys.1. Na wyjściu z SSN otrzymuje się wektory T wartości opisanych wyżej parametrów procesu spalania (w procesie trenowania sieci wektory T zebrane są w zbiorze wyjściowym). Uczenie i badania symulacyjne SSN wykonano w programie MATLAB 6.1 wyposażonym w narzędzie nn (neural network). W programie dostępne są neurony z funkcjami aktywacji typu radbas i purelin, które przedstawiono na rys.. Na wejścia P R SSN (rys.1) podawane były przebiegi ciśnienia zawarte w przedziałach kątowych obejmujących charakterystyczne punkty procesu spalania. Liczba wejść SSN wynika

3 z ilości pomiarów wykonywanych w zakresie tych kątów. Całkowity przedział kątowy był dobrany w taki sposób, aby rozpoczynał się kilkanaście stopni OWK przed zapłonem natomiast kończył kilkanaście stopni przed otwarciem zaworu wylotowego. warstwa wejściowa P P P 1 3 P R S 1 * R warstwa ukryta o radialnych funkcjach bazowych IW 1,1 dist S 1 * 1 * S 1 * 1 b 1 S 1 * 1 S 1 a 1 S 1 * 1 warstwa wyjściowa z funkcjami liniowymi IW b,1 1 S * S S * 1 1 S * 1 Σ S * 1 S T Rys.1. Struktura sieci neuronowej o radialnej funkcji bazowej Fig.1. Radial basis network architecture Rys.. Funkcje aktywacji typu radbas i purelin [6] Fig.. Radial basis and purelin function [6] Dobrane w taki sposób zakresy kątowe historii ciśnienia obejmują z pewnym zapasem cały proces spalania. Wyjątkiem mogą być tylko cykle pracy, w których proces spalania nie został zakończony. Struktura sieci neuronowej została wygenerowana w sposób automatyczny w programie Matlab. Zależy ona jedynie od wektora wejściowego ciśnień P oraz od wektora wyjściowego parametrów procesu spalania T.. Zbiory uczące Prawidłowe wytrenowanie SSN, które umożliwiałoby szybkie obliczenia wybranych parametrów obiegu pracy jest pracochłonne ze względu na konieczność tworzenia zbiorów uczących wejściowych i wyjściowych obejmujących cały zakres pracy silnika. W prezentowanym artykule ograniczono się do utworzenia zbioru uczącego składającego się z przebiegów ciśnień uśrednionych z 00 kolejnych cykli pracy silnika. Ciśnienia mierzone były w wybranych punktach charakterystyk regulacyjnych składu mieszanki (współczynnik nadmiaru powietrza w zakresie 0.9 do 1.5) dla dwóch kątów wyprzedzenia zapłonu 36 0 i 48 0 oraz dla prędkości obrotowej 3000 obr/min. Opisana procedura pozwalała na utworzenie zbioru wejściowego zawierającego 54 kolumny z przebiegami ciśnień. Liczba wierszy w zbiorze była równa liczbie kolumn i zależała od przedziałów kątowych. Zawartość zbioru uczącego przedstawiono w sposób graficzny na wykresie (rys.). Ciśnienia w cylindrze użyte do uczenia sieci zawarte są w trzech przedziałach kątowych

4 obrotu wału korbowego. Pierwszy przedział kątowy od o OWK obejmuje okolice kątów wyprzedzenia zapłonu. Drugi przedział od 356 o OWK obejmuje okolice GMP i okolice kąta występowania ciśnienia maksymalnego. W trzecim przedziale od o OWK zawarte są okolice końca spalania ciśnienie, MPa kąt obrotu wału korbowego, o OWK Rys.3. Historie ciśnienia zawarte w zbiorach uczących Fig.3. Cylinder pressure diagram contained in teaching data files a) 3 CM 1 b) KKS1 ciśnienie w cylindrze, [MPa] KWCM 1 ] KWCM CM ciśnienie w cylindrze, [MPa] KKS kąt obrotu wału korbowego, [ o OWK] c) stopień wypalenia dawki paliwa, [% KWPDP kąt obrotu wału korbowego, [ o OWK] KWPDP objętość, [cm 3 ] 00 3 Rys.4. Graficzna ilustracja obliczanych parametrów obiegu pracy: a) ciśnienia maksymalne CM i kąty występowania ciśnień maksymalnych KWCM, b) kąty końców spalania KKS, c) kąty wypalenia połowy dawki paliwa KWPDP. Indeks 1 - kąt wyprzedzenia zapłonu 48 0 i współczynnik nadmiaru powietrza λ = 0.9, indeks - obieg pracy kąt wyprzedzenia zapłonu 36 0, λ = 1.5 Fig.4. Ilustration of calculation of engine cycle parameters: a) peak pressure CM and location of peak pressure KWCM, b) location of the end of combustion KKS, c) location of burning of 50% fuell mass KWPDP. Index 1 ignition timing is 48 o before top dead centre (BTDC) and air excess coefficient λ = 0.9, index ignition timing is 36 o before top dead centre (BTDC) and air excess coefficient λ = 1.5 Zbiory uczące wyjściowe zawierające wartości czterech wytypowanych parametrów obiegu pracy (rys.3) otrzymano z obliczeń przeprowadzonych przy użyciu programu komputerowego napisanego w pakiecie MATHCAD000. Program ten oparty jest algorytmie wykorzy-

5 stującym metodę obliczania parametrów obiegu pracy opisaną w [6]. 3. Archiwizacja danych Do archiwizacji danych wykorzystano stanowisko pomiarowe wyposażone: w silnik 170.A000 montowany seryjnie w samochodzie FIAT Cinquecento 700, hamulec elektrowirowy Wibrometer 3WB15, dawkomierz paliwa PG80, analizator spalin DIGAZ 465 oraz komputerowy system do pomiaru ciśnień w cylindrze silnika opracowany i wykonany w Zakładzie Silników Spalinowych i Pojazdów Politechniki Radomskiej. Dokładny opis stanowiska pomiarowego zawierają prace [7, 8]. Dane techniczne silnika przedstawiono w tabeli 1. Tabela 1. Parametry techniczne silnika 170.A000 Moc maksymalna 3kW Ilość cylindrów w tym jeden wyłączony z pracy Objętość skokowa 35 cm 3 Średnica cylindra 80 mm Skok tłoka 70 mm Stopień sprężania 9 4. Wyniki trenowania sieci Trenowanie sieci odbywało się przy pomocy zbioru wejściowego (wektory P) i wyjściowego (wektory T) zawierającego dane opisane w rozdziale. Wyniki wytrenowania sieci, czyli możliwość obliczania parametrów procesu spalania na podstawie danych zawartych w wejściowych zbiorach uczących jest zgodna z danymi zawartymi w wyjściowych zbiorach uczących, współczynniki korelacji równe 1. Świadczy to o bardzo dobrej zdolności SSN o radialnej funkcji bazowej do rozpoznawania parametrów procesu spalania na podstawie przebiegu ciśnień ograniczonego do wybranych zakresów kątowych obrotu wału korbowego. W celu zbadania zdolności do uogólniania (generalizacji) wytypowanej SSN przeprowadzono eksperyment numeryczny polegający na próbie obliczenia omawianych parametrów procesu spalania na podstawie zbiorów wejściowych utworzonych z losowo wybranych, spośród 00 przebiegów ciśnień mierzonych w kolejnych cyklach pracy silnika, dla wytypowanych punktów charakterystyki regulacyjnej składu mieszanki. Charakterystyki regulacyjne, jak wspomniano w poprzednich rozdziałach, sporządzane były dla dwóch kątów wyprzedzenia zapłonu. Pozwoliło to na utworzenie dwóch zbiorów testujących działanie sieci, które nie brały udziału w trenowaniu SSN. Wyniki obliczeń zestawiono na wspólnych wykresach (rys.4) z danymi otrzymanymi z programu komputerowego (rozdział ). Do analizy dokładnosci wykorzystano współczynniki korelacji (Pearsona) obliczane przy pomocy funkcji corr dostępnej w pakiecie MATHCAD. Obliczone wartości współczynników korelacji pozwalają na sformułowanie następujących wniosków: najlepsze dopasowanie wyników obliczeń zachodzi dla ciśnień maksymalnych obiegu, kątów występowania ciśnień maksymalnych, kątów końca spalania oraz kątów wypalenia połowy dawki paliwa (współczynniki korelacji powyżej 0.9), nieco mniejsze jest dopasowanie wyników w przypadku kątów końca spalania (współczynniki korelacji 0.7 i 0.846), może to być wynikiem błędów związanych z rozdzielczością karty analogowo-cyfrowej.

6 a) kor=0.846 obliczenia mathcad symulacja SSN a) kor=0.7 obliczenia mathcad symulacja SSN KKS KKS KWPD kor= KWPD 30 kor= kor= kor=0.997 CM.4 CM KWCM kor=0.941 KWCM kor= numer wiersza w zbiorze wejściowym numer wiersza w zbiorze wejściowym 60 Rys.4. Wyniki obliczeń wybranych parametrów obiegu pracy wykonanych w pakiecie: a) MathCad, b) za pomocą SSN o RBF Fig.4. Results of engine cycle parameters calculation prepared by means of: a) Mathcad, b) SSN o RBF. 5. Obliczenia przy użyciu sieci jednokierunkowej wielowarstwowej W obliczeniach parametrów procesu spalania używana jest również jednokierunkowa wielowarstwowa sieć neuronowa o wstecznej propagacji (JWSN). Strukturę takiej sieci i wyniki jej wytrenowania przedstawiono w [4]. W celu porównania dokładności obliczania ww. parametrów obiegu pracy przez obydwie struktury SSN przeprowadzono proces trenowania (uczenia) JWSN wykorzystując te same zbiory wejściowe i wyjściowe. Następnie wykonano obliczenia parametrów obiegu pracy stosując te same zbiory wejściowe. Podobnie jak w przypadku SSN o RBF wyniki obliczeń zestawiono na wspólnych wykresach (rys.5) z danymi otrzymanymi z programu komputerowego napisanego w środowisku pakietu MATHCAD (rozdział ) i obliczono współczynniki korelacji. Jak wynika z wykresów oraz z wartości współczynników korelacji JWSN wykazuje mniejszą dokładność obliczeń wytypowanych parametrów obiegu pracy. 6. Wnioski Otrzymane wyniki obliczeń wykonanych przy użyciu SSN o RBF pozwalają na sformułowanie następujących wniosków: zaprezentowana struktura może być wykorzystana w algorytmach sterujących pracą silnika, które bazują na parametrach obiegu pracy, zastosowanie sieci neuronowej o radialnej funkcji bazowej pozwoliło zmniejszyć zbiór wejściowy ciśnienia w cylindrze do zakresów kątowych zawierających wartości ciśnień

7 skupione wokół charakterystycznych położeń wału korbowego odpowiadających początkowi spalania, GMP i końcowi spalania, zmniejszenie pojemności zbioru wejściowego ciśnień pozwoliło na zmniejszenie rozmiaru struktury sieci neuronowej i w konsekwencji zmniejszenie czasu uczenia się sieci, znacznie większe dokładności obliczeń, w porównaniu z jednokierunkową wielowarstwową siecią neuronową, wykazuje sieć o radialnej funkcji bazowej. a) KKS kor=0.89 obliczenia mathcad symulacja SSN a) KKS obliczenia mathcad symulacja SSN kor= KWPD 350 kor=0.96 KWPD 340 kor= CM kor=0.99 CM kor= KWCM kor=0.936 KWCM kor= numer wiersza w zbiorze wejściowym numer wiersza w zbiorze wejściowym 60 Literatura Rys.5. Wyniki obliczeń wybranych parametrów obiegu pracy wykonanych w pakiecie: a) MathCad, b) za pomocą JWSN Fig.5. Results of engine cycle parameters calculation prepared by means of: a) Mathcad, b) JWSN. [1] Poorman, T. J., Kalashnikov, S., Wlodarczyk, M. T. and Danielson, E.: In-cylinder fiberoptic pressure sensor for engine monitoring and control. In Spring Technical Conference, ASME ICE-Vol. 6-, Vol., [] Park', S., Yoon P., Sunwoo M.: Feedback error learning neural networks for spark advance control using cylinder pressure. Proc Instn Mech Engrs Vo 15 Part D. [3] Miller, R. and Hemberger, H.-H. Neural adaptive ignition control. SAE paper , [4] Różycki A.: Zastosowanie sztucznych sieci neuronowych do obliczania wybranych parametrów obiegu pracy silnika spalinowego zapłonie iskrowym. KONES 00, Jurata, 00 [5] Różycki A.: Obliczenia wybranych parametrów procesu spalania w kolejnych cyklach pracy silnika o zapłonie iskrowym, Autoprogress-Konmot00, Pasym 00. [6] Demuth H., Beale M.: Neural network toolbox for use with MATLAB, User Guide Version 4.

8 [7] Różycki A.: System do pomiarów wielkości szybkozmiennych w zastosowaniu do badań silnikowych. Silniki Spalinowe nr 115, Poznań, [8] Różycki A.: Microkomputer system for measurement of high speed parameters for IC engines. Bratislava th EAEC Congres, Bratislava 001, paper n SAITS

MODELOWANIE ZUŻYCIA PALIWA W SILNIKU WYSOKOPRĘŻNYM TYPU DI Z WYKORZYSTANIEM SIECI NEURONOWYCH

MODELOWANIE ZUŻYCIA PALIWA W SILNIKU WYSOKOPRĘŻNYM TYPU DI Z WYKORZYSTANIEM SIECI NEURONOWYCH MODELOWANIE ZUŻYCIA PALIWA W SILNIKU WYSOKOPRĘŻNYM TYPU DI Z WYKORZYSTANIEM SIECI NEURONOWYCH Krzysztof BALAWENDER, Kazimierz LEJDA 1 W artykule zostało przedstawione modelowanie zużycia paliwa w silniku

Bardziej szczegółowo

IDENTIFICATION OF NUMERICAL MODEL AND COMPUTER PROGRAM OF SI ENGINE WITH EGR

IDENTIFICATION OF NUMERICAL MODEL AND COMPUTER PROGRAM OF SI ENGINE WITH EGR Journal of KONES Internal Combustion Engines 003, vol. 10, No 1- IDENTIFICATION OF NUMERICAL MODEL AND COMPUTER PROGRAM OF SI ENGINE WITH EGR Dariusz Pietras Katedra Silników Spalinowych i Pojazdów, Zakład

Bardziej szczegółowo

CHARAKTERYSTYKI PRACY SILNIKA HCCI ZASILANEGO BIOGAZEM

CHARAKTERYSTYKI PRACY SILNIKA HCCI ZASILANEGO BIOGAZEM Inżynieria Rolnicza 1(99)/2008 CHARAKTERYSTYKI PRACY SILNIKA HCCI ZASILANEGO BIOGAZEM Krzysztof Motyl, Aleksander Lisowski Katedra Maszyn Rolniczych i Leśnych, Szkoła Główna Gospodarstwa Wiejskiego w Warszawie

Bardziej szczegółowo

ZESZYTY NAUKOWE INSTYTUTU POJAZDÓW 2(88)/2012

ZESZYTY NAUKOWE INSTYTUTU POJAZDÓW 2(88)/2012 ZESZYTY NAUKOWE INSTYTUTU POJAZDÓW 2(88)/2012 Stanisław W. Kruczyński 1, Janusz Januła 2, Maciej Kintop 3 OBLICZENIA SYMULACYJNE POWSTAWANIA NO X i CO PRZY SPALANIU OLEJU NAPĘDOWEGO I OLEJU RZEPAKOWEGO

Bardziej szczegółowo

Wpływ rodzaju paliwa gazowego oraz warunków w procesu spalania na parametry pracy silnika spalinowego mchp

Wpływ rodzaju paliwa gazowego oraz warunków w procesu spalania na parametry pracy silnika spalinowego mchp Wpływ rodzaju paliwa gazowego oraz warunków w procesu spalania na parametry pracy silnika spalinowego do zastosowań w układzie mchp G. Przybyła, A. Szlęk Politechnika Śląska w Gliwicach Instytut Techniki

Bardziej szczegółowo

PORÓWNANIE WYKRESU INDYKATOROWEGO I TEORETYCZNEGO - PRZYKŁADOWY TOK OBLICZEŃ

PORÓWNANIE WYKRESU INDYKATOROWEGO I TEORETYCZNEGO - PRZYKŁADOWY TOK OBLICZEŃ 1 PORÓWNANIE WYKRESU INDYKATOROWEGO I TEORETYCZNEGO - PRZYKŁADOWY TOK OBLICZEŃ Dane silnika: Perkins 1104C-44T Stopień sprężania : ε = 19,3 ε 19,3 Średnica cylindra : D = 105 mm D [m] 0,105 Skok tłoka

Bardziej szczegółowo

Algorytmy sztucznej inteligencji

Algorytmy sztucznej inteligencji Algorytmy sztucznej inteligencji Dynamiczne sieci neuronowe 1 Zapis macierzowy sieci neuronowych Poniżej omówione zostaną części składowe sieci neuronowych i metoda ich zapisu za pomocą macierzy. Obliczenia

Bardziej szczegółowo

LABORATORIUM SILNIKÓW SPALINOWYCH Materiały pomocnicze

LABORATORIUM SILNIKÓW SPALINOWYCH Materiały pomocnicze LABORATORIUM SILNIKÓW SPALINOWYCH Materiały pomocnicze Temat: Ocena procesu spalania na podstawie wykresu indykatorowego Indykowanie tłokowego silnika spalinowego oznacza pomiar szybkozmiennych ciśnień

Bardziej szczegółowo

Wymagania edukacyjne Technologia napraw zespołów i podzespołów mechanicznych pojazdów samochodowych 723103

Wymagania edukacyjne Technologia napraw zespołów i podzespołów mechanicznych pojazdów samochodowych 723103 Wymagania edukacyjne PRZEDMIOT Technologia napraw zespołów i podzespołów mechanicznych pojazdów samochodowych KLASA II MPS NUMER PROGRAMU NAUCZANIA (ZAKRES) 723103 1. 2. Podstawowe wiadomości o ch spalinowych

Bardziej szczegółowo

ZESZYTY NAUKOWE INSTYTUTU POJAZDÓW 1(92)/2013

ZESZYTY NAUKOWE INSTYTUTU POJAZDÓW 1(92)/2013 ZESZYTY NAUKOWE INSTYTUTU POJAZDÓW 1(92)/2013 Piotr Szczęsny 1, Konrad Suprowicz 2 OCENA ROZWOJU SILNIKÓW SPALINOWYCH W OPARCIU O ANALIZĘ WSKAŹNIKÓW PORÓWNAWCZYCH 1. Wprowadzenie Konstrukcje silników spalinowych

Bardziej szczegółowo

Zastosowania sieci neuronowych

Zastosowania 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 szczegółowo

Charakterystyki prędkościowe silników spalinowych

Charakterystyki prędkościowe silników spalinowych Wydział Samochodów i Maszyn Roboczych Instytut Pojazdów LABORATORIUM TEORII SILNIKÓW CIEPLNYCH Charakterystyki prędkościowe silników spalinowych Opracowanie Dr inż. Ewa Fudalej-Kostrzewa Warszawa 2015

Bardziej szczegółowo

ZESZYTY NAUKOWE INSTYTUTU POJAZDÓW 1(87)/2012

ZESZYTY NAUKOWE INSTYTUTU POJAZDÓW 1(87)/2012 ZESZYTY NAUKOWE INSTYTUTU POJAZDÓW 1(87)/212 Stanisław W. Kruczyński 1, Michał Kurek 2, Patryk Hirszler 3 ANALIZA PROCESU SPALANIA ETANOLU NA CHARAKTERYSTYCE REGULACYJNEJ KĄTA WYPRZEDZENIA ZAPŁONU SILNIKA

Bardziej szczegółowo

ZESZYTY NAUKOWE INSTYTUTU POJAZDÓW 1(92)/2013

ZESZYTY NAUKOWE INSTYTUTU POJAZDÓW 1(92)/2013 ZESZYTY NAUKOWE INSTYTUTU POJAZDÓW 1(92)/2013 Piotr Szczęsny 1 WPŁYW WYBRANYCH PARAMETRÓW EKSPLOATACYJNYCH NA TOKSYCZNOŚĆ SPALIN POJAZDÓW Z SILNIKAMI O ZAPŁONIE ISKROWYM 1. Wprowadzenie Praca przedstawia

Bardziej szczegółowo

WPŁYW KĄTA WYPRZEDZENIA WTRYSKU NA JEDNOSTKOWE ZUŻYCIE PALIWA ORAZ NA EMISJĘ SUBSTANCJI TOKSYCZNYCH W SILNIKU ZS ZASILANYM OLEJEM RZEPAKOWYM

WPŁYW KĄTA WYPRZEDZENIA WTRYSKU NA JEDNOSTKOWE ZUŻYCIE PALIWA ORAZ NA EMISJĘ SUBSTANCJI TOKSYCZNYCH W SILNIKU ZS ZASILANYM OLEJEM RZEPAKOWYM Tomasz OSIPOWICZ WPŁYW KĄTA WYPRZEDZENIA WTRYSKU NA JEDNOSTKOWE ZUŻYCIE PALIWA ORAZ NA EMISJĘ SUBSTANCJI TOKSYCZNYCH W SILNIKU ZS ZASILANYM OLEJEM RZEPAKOWYM Streszczenie Celem artykułu było omówienie

Bardziej szczegółowo

MATLAB Neural Network Toolbox przegląd

MATLAB Neural Network Toolbox przegląd MATLAB Neural Network Toolbox przegląd WYKŁAD Piotr Ciskowski Neural Network Toolbox: Neural Network Toolbox - zastosowania: przykłady zastosowań sieci neuronowych: The 1988 DARPA Neural Network Study

Bardziej szczegółowo

WYZNACZANIE WARTOŚCI PODSTAWOWYCH PARAMETRÓW TECHNICZNYCH NOWOCZESNYCH KOMBAJNÓW ZBOŻOWYCH PRZY UŻYCIU SSN

WYZNACZANIE WARTOŚCI PODSTAWOWYCH PARAMETRÓW TECHNICZNYCH NOWOCZESNYCH KOMBAJNÓW ZBOŻOWYCH PRZY UŻYCIU SSN Inżynieria Rolnicza 2(9)/7 WYZNACZANIE WARTOŚCI PODSTAWOWYCH PARAMETRÓW TECHNICZNYCH NOWOCZESNYCH KOMBAJNÓW ZBOŻOWYCH PRZY UŻYCIU SSN Sławomir Francik Katedra Inżynierii Mechanicznej i Agrofizyki, Akademia

Bardziej szczegółowo

TEMAT: PARAMETRY PRACY I CHARAKTERYSTYKI SILNIKA TŁOKOWEGO

TEMAT: PARAMETRY PRACY I CHARAKTERYSTYKI SILNIKA TŁOKOWEGO TEMAT: PARAMETRY PRACY I CHARAKTERYSTYKI SILNIKA TŁOKOWEGO Wielkościami liczbowymi charakteryzującymi pracę silnika są parametry pracy silnika do których zalicza się: 1. Średnie ciśnienia obiegu 2. Prędkości

Bardziej szczegółowo

PROGNOZOWANIE CENY OGÓRKA SZKLARNIOWEGO ZA POMOCĄ SIECI NEURONOWYCH

PROGNOZOWANIE CENY OGÓRKA SZKLARNIOWEGO ZA POMOCĄ SIECI NEURONOWYCH InŜynieria Rolnicza 14/2005 Sławomir Francik Katedra InŜynierii Mechanicznej i Agrofizyki Akademia Rolnicza w Krakowie PROGNOZOWANIE CENY OGÓRKA SZKLARNIOWEGO ZA POMOCĄ SIECI NEURONOWYCH Streszczenie W

Bardziej szczegółowo

ISBN

ISBN Recenzent prof. dr hab. inż. dr h.c. JANUSZ MYSŁOWSKI Poszczególne rozdziały przygotowali: Wojciech SERDECKI: 1, 2, 3.1, 3.3, 3.5, 3.6, 3.7, 9 Paweł FUĆ: 15, Miłosław KOZAK: 13, Władysław KOZAK: 8 Anna

Bardziej szczegółowo

Zastosowanie optymalizacji rojem cząstek (PSO) w procesie uczenia wielowarstwowej sieci neuronowej w problemie lokalizacyjnym

Zastosowanie optymalizacji rojem cząstek (PSO) w procesie uczenia wielowarstwowej sieci neuronowej w problemie lokalizacyjnym Zastosowanie optymalizacji rojem cząstek (PSO) w procesie uczenia wielowarstwowej sieci neuronowej w problemie lokalizacyjnym Jan Karwowski Wydział Matematyki i Nauk Informacyjnych PW 17 XII 2013 Jan Karwowski

Bardziej szczegółowo

GRANICA SPALANIA STUKOWEGO W DWUPALIWOWYM SILNIKU O ZAPŁONIE SAMOCZYNNYM KNOCK COMBUSTION LIMIT IN A TWO-FUEL DIESEL ENGINE

GRANICA SPALANIA STUKOWEGO W DWUPALIWOWYM SILNIKU O ZAPŁONIE SAMOCZYNNYM KNOCK COMBUSTION LIMIT IN A TWO-FUEL DIESEL ENGINE ANDRZEJ RÓŻYCKI Streszczenie Abstract GRANICA SPALANIA STUKOWEGO W DWUPALIWOWYM SILNIKU O ZAPŁONIE SAMOCZYNNYM KNOCK COMBUSTION LIMIT IN A TWO-FUEL DIESEL ENGINE W artykule opisano kryterium, za pomocą

Bardziej szczegółowo

WYKORZYSTANIE 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) 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 szczegółowo

MONITORING OF THE COMBUSTION PROCESS QUALITY OF THE TRACTIONAL DIESEL ENGINE IN THE EOBD REQUIREMENTS ASPECT

MONITORING OF THE COMBUSTION PROCESS QUALITY OF THE TRACTIONAL DIESEL ENGINE IN THE EOBD REQUIREMENTS ASPECT Journal of KONES Internal Combustion Engines 23, vol. 1, 3-4 MONITORING OF THE COMBUSTION PROCESS QUALITY OF THE TRACTIONAL DIESEL ENGINE IN THE EOBD REQUIREMENTS ASPECT Andrzej Piętak Wojskowa Akademia

Bardziej szczegółowo

ELASTYCZNOŚĆ SILNIKA ANDORIA 4CTI90

ELASTYCZNOŚĆ SILNIKA ANDORIA 4CTI90 Konrad PRAJWOWSKI, Tomasz STOECK ELASTYCZNOŚĆ SILNIKA ANDORIA 4CTI90 Streszczenie W artykule opisana jest elastyczność silnika ANDORIA 4CTi90 obliczona na podstawie rzeczywistej charakterystyki prędkościowej

Bardziej szczegółowo

Wykaz ważniejszych oznaczeń i skrótów Wprowadzenie... 13

Wykaz ważniejszych oznaczeń i skrótów Wprowadzenie... 13 SPIS TREŚCI Wykaz ważniejszych oznaczeń i skrótów... 9 Wprowadzenie... 13 1. KIERUNKI ROZWOJU SILNIKÓW SPALINOWYCH... 15 1.1. Silniki o zapłonie iskrowym... 17 1.1.1. Wyeliminowanie przepustnicy... 17

Bardziej szczegółowo

WYZNACZANIE CHARAKTERYSTYK SIŁOWNIKÓW UDAROWYCH Z NASTAWIANĄ OBJĘTOŚCIĄ KOMORY

WYZNACZANIE CHARAKTERYSTYK SIŁOWNIKÓW UDAROWYCH Z NASTAWIANĄ OBJĘTOŚCIĄ KOMORY 3-2008 PROBLEMY EKSPLOATACJI 123 Piotr CZAJKA, Tomasz GIESKO Instytut Technologii Eksploatacji PIB, Radom WYZNACZANIE CHARAKTERYSTYK SIŁOWNIKÓW UDAROWYCH Z NASTAWIANĄ OBJĘTOŚCIĄ KOMORY Słowa kluczowe Siłownik

Bardziej szczegółowo

ANALIZA NUMERYCZNA OBIEGU CIEPLNEGO WIELOŚWIECOWEGO SILNIKA ZI

ANALIZA NUMERYCZNA OBIEGU CIEPLNEGO WIELOŚWIECOWEGO SILNIKA ZI PRACE NAUKOWE Akademii im. Jana Długosza w Częstochowie SERIA: Edukacja Techniczna i Informatyczna 2011 z. VI M. Sosnowski, 1 A. Kociszewski, 1 A. Jamrozik, 1 W. Tutak Akademia im. Jana Długosza 1 Politechnika

Bardziej szczegółowo

BADANIA SYMULACYJNE PROCESU HAMOWANIA SAMOCHODU OSOBOWEGO W PROGRAMIE PC-CRASH

BADANIA SYMULACYJNE PROCESU HAMOWANIA SAMOCHODU OSOBOWEGO W PROGRAMIE PC-CRASH BADANIA SYMULACYJNE PROCESU HAMOWANIA SAMOCHODU OSOBOWEGO W PROGRAMIE PC-CRASH Dr inż. Artur JAWORSKI, Dr inż. Hubert KUSZEWSKI, Dr inż. Adam USTRZYCKI W artykule przedstawiono wyniki analizy symulacyjnej

Bardziej szczegółowo

SYNCHRONOUS RECORDING TDC DURING THE CYLINDER PRESSURE ACQUISITION SYNCHRONICZNA REJESTRACJA POŁOŻENIA ZZP W CZASIE INDYKOWANIA SILNIKA

SYNCHRONOUS RECORDING TDC DURING THE CYLINDER PRESSURE ACQUISITION SYNCHRONICZNA REJESTRACJA POŁOŻENIA ZZP W CZASIE INDYKOWANIA SILNIKA Journal of KONES Internal Combustion Engines 2003, vol. 10, 3-4 SYNCHRONOUS RECORDING TDC DURING THE CYLINDER PRESSURE ACQUISITION Karol Cupiał, Adam Dużyński, Michał Gruca, Janusz Grzelka Politechnika

Bardziej szczegółowo

Tomasz P. Olejnik, Michał Głogowski Politechnika Łódzka

Tomasz P. Olejnik, Michał Głogowski Politechnika Łódzka Tomasz P. Olejnik, Michał Głogowski Politechnika Łódzka Agenda Wprowadzenie do problemu gospodarki energetycznej Teza Alternatywne (unikatowe) podejście Opis rozwiązania Postęp techniczny w przemyśle cukrowniczym,

Bardziej szczegółowo

Sztuczne siei neuronowe - wprowadzenie

Sztuczne siei neuronowe - wprowadzenie Metody Sztucznej Inteligencji w Sterowaniu Ćwiczenie 2 Sztuczne siei neuronowe - wprowadzenie Przygotował: mgr inż. Marcin Pelic Instytut Technologii Mechanicznej Politechnika Poznańska Poznań, 2 Wstęp

Bardziej szczegółowo

Rys. 2. Kolejne etapy pracy łopatek kierownicy turbiny (opis w tekście) Fig. 2. Successive stages of guide apparatus blades running

Rys. 2. Kolejne etapy pracy łopatek kierownicy turbiny (opis w tekście) Fig. 2. Successive stages of guide apparatus blades running Journal of KONES Internal Combustion Engines 2005, vol. 12, 3-4 THE SELECTION OF OPTIMAL CONTROL SYSTEM OF A TURBOCHARGER WITH A CHANGEABLE GEOMETRY OF A TURBINE GUIDE APPARATUS Jerzy Jaskólski Marcin

Bardziej szczegółowo

Algorytm wstecznej propagacji błędów dla sieci RBF Michał Bereta

Algorytm wstecznej propagacji błędów dla sieci RBF Michał Bereta Algorytm wstecznej propagacji błędów dla sieci RBF Michał Bereta www.michalbereta.pl Sieci radialne zawsze posiadają jedną warstwę ukrytą, która składa się z neuronów radialnych. Warstwa wyjściowa składa

Bardziej szczegółowo

Rok akademicki: 2014/2015 Kod: STC TP-s Punkty ECTS: 3. Kierunek: Technologia Chemiczna Specjalność: Technologia paliw

Rok akademicki: 2014/2015 Kod: STC TP-s Punkty ECTS: 3. Kierunek: Technologia Chemiczna Specjalność: Technologia paliw Nazwa modułu: Procesy spalania w silnikach tłokowych Rok akademicki: 2014/2015 Kod: STC-2-206-TP-s Punkty ECTS: 3 Wydział: Energetyki i Paliw Kierunek: Technologia Chemiczna Specjalność: Technologia paliw

Bardziej szczegółowo

ZESZYTY NAUKOWE INSTYTUTU POJAZDÓW 1(87)/2012

ZESZYTY NAUKOWE INSTYTUTU POJAZDÓW 1(87)/2012 ZESZYTY NAUKOWE INSTYTUTU POJAZDÓW 1(87)/212 Stanisław W. Kruczyński 1, Michał Kurek 2, Patryk Hirszler 3 ANALIZA PROCESU SPALANIA ETANOLU NA CHARAKTERYSTYCE REGULACYJNEJ SKŁADU MIESZANKI SILNIKA ROVER

Bardziej szczegółowo

ZESZYTY NAUKOWE NR 5(77) AKADEMII MORSKIEJ W SZCZECINIE. Wyznaczanie granicznej intensywności przedmuchów w czasie rozruchu

ZESZYTY NAUKOWE NR 5(77) AKADEMII MORSKIEJ W SZCZECINIE. Wyznaczanie granicznej intensywności przedmuchów w czasie rozruchu ISSN 1733-8670 ZESZYTY NAUKOWE NR 5(77) AKADEMII MORSKIEJ W SZCZECINIE OBSŁUGIWANIE MASZYN I URZĄDZEŃ OKRĘTOWYCH OMiUO 2005 Karol Franciszek Abramek Wyznaczanie granicznej intensywności przedmuchów w czasie

Bardziej szczegółowo

INDICATING OF AN ENGINE FUELLED WITH CNG

INDICATING OF AN ENGINE FUELLED WITH CNG Journal of KONES Powertrain and Transport, Vol. 13, No. 3 INDICATING OF AN ENGINE FUELLED WITH CNG Andrzej Żółtowski Instytut Transportu Samochodowego ul. Jagiellońska 8, 3-31 Warszawa tel.:+48 22 8113231

Bardziej szczegółowo

Podstawy Sztucznej Inteligencji

Podstawy Sztucznej Inteligencji Politechnika Łódzka Katedra Informatyki Stosowanej Podstawy Sztucznej Inteligencji Laboratorium Ćwiczenie 2 Wykorzystanie środowiska Matlab do modelowania sztucznych sieci neuronowych Opracowali: Dr hab

Bardziej szczegółowo

BADANIA SYMULACYJNE I EKSPERYMENTALNE UTLENIAJĄCEGO REAKTORA KATALITYCZNEGO SYSTEMU FILTRA CZĄSTEK STAŁYCH W PROGRAMIE AVL BOOST

BADANIA SYMULACYJNE I EKSPERYMENTALNE UTLENIAJĄCEGO REAKTORA KATALITYCZNEGO SYSTEMU FILTRA CZĄSTEK STAŁYCH W PROGRAMIE AVL BOOST Stanisław Kruczyński 1, Wojciech Kamela 2, Kamil Duniec 2 BADANIA SYMULACYJNE I EKSPERYMENTALNE UTLENIAJĄCEGO REAKTORA KATALITYCZNEGO SYSTEMU FILTRA CZĄSTEK STAŁYCH W PROGRAMIE AVL BOOST Streszczenie.

Bardziej szczegółowo

WYZNACZANIE NIEPEWNOŚCI POMIARU METODAMI SYMULACYJNYMI

WYZNACZANIE NIEPEWNOŚCI POMIARU METODAMI SYMULACYJNYMI WYZNACZANIE NIEPEWNOŚCI POMIARU METODAMI SYMULACYJNYMI Stefan WÓJTOWICZ, Katarzyna BIERNAT ZAKŁAD METROLOGII I BADAŃ NIENISZCZĄCYCH INSTYTUT ELEKTROTECHNIKI ul. Pożaryskiego 8, 04-703 Warszawa tel. (0)

Bardziej szczegółowo

Politechnika Warszawska

Politechnika Warszawska Politechnika Warszawska Programowa realizacja sieci neuronowych Zbigniew Szymański, Stanisław Jankowski grudzień 03 Instytut Informatyki Nowowiejska 5 / 9, 00-665 Warszawa Programowa realizacja sieci neuronowych

Bardziej szczegółowo

Wydział Mechaniczny. INSTYTUT EKSPLOATACJI POJAZDÓW I MASZYN tel.

Wydział Mechaniczny. INSTYTUT EKSPLOATACJI POJAZDÓW I MASZYN    tel. Wydział Mechaniczny INSTYTUT EKSPLOATACJI POJAZDÓW I MASZYN www.iepim.uniwersytetradom.pl e-mail: iepim@uthrad.pl tel.: 0-48 361 76 42 OFERTA BADAWCZA Obszar I Ochrona środowiska naturalnego przed skażeniami

Bardziej szczegółowo

SYNTEZA I SYMULACJA STATYCZNA STEROWANIA Z CYKLU NA CYKL WTRYSKIEM PALIWA W SILNIKU GDI

SYNTEZA I SYMULACJA STATYCZNA STEROWANIA Z CYKLU NA CYKL WTRYSKIEM PALIWA W SILNIKU GDI ZBIGNIEW WOŁCZYŃSKI * SYNTEZA I SYMULACJA STATYCZNA STEROWANIA Z CYKLU NA CYKL WTRYSKIEM PALIWA W SILNIKU GDI SYNTHESIS AND STATIC SIMULATION OF CYCLE-BY-CYCLE CONTROLLING THE FUEL INJECTION IN GDI ENGINE

Bardziej szczegółowo

Sztuczne sieci neuronowe i sztuczna immunologia jako klasyfikatory danych. Dariusz Badura Letnia Szkoła Instytutu Matematyki 2010

Sztuczne sieci neuronowe i sztuczna immunologia jako klasyfikatory danych. Dariusz Badura Letnia Szkoła Instytutu Matematyki 2010 Sztuczne sieci neuronowe i sztuczna immunologia jako klasyfikatory danych Dariusz Badura Letnia Szkoła Instytutu Matematyki 2010 Sieci neuronowe jednokierunkowa wielowarstwowa sieć neuronowa sieci Kohonena

Bardziej szczegółowo

Biogas buses of Scania

Biogas buses of Scania Zdzisław CHŁOPEK PTNSS-2012-SS1-135 Biogas buses of Scania The paper presents the design and performance characteristics of Scania engines fueled by biogas: OC9G04 and G05OC9. These are five cylinders

Bardziej szczegółowo

RESEARCH OF OXYGEN SENSOR SIGNALS IN THREE WAY CATALITIC CONVERTER FOR OBD II NEEDS

RESEARCH OF OXYGEN SENSOR SIGNALS IN THREE WAY CATALITIC CONVERTER FOR OBD II NEEDS Journal of KONES Internal Combustion Engines 22 No. 3 4 ISSN 23 45 RESEARCH OF OXYGEN SENSOR SIGNALS IN THREE WAY CATALITIC CONVERTER FOR OBD II NEEDS Andrzej Ambrozik, Stanisław W. Kruczyński, Jacek Łączyński,

Bardziej szczegółowo

Projekt rejestratora obiektów trójwymiarowych na bazie frezarki CNC. The project of the scanner for three-dimensional objects based on the CNC

Projekt rejestratora obiektów trójwymiarowych na bazie frezarki CNC. The project of the scanner for three-dimensional objects based on the CNC Dr inż. Henryk Bąkowski, e-mail: henryk.bakowski@polsl.pl Politechnika Śląska, Wydział Transportu Mateusz Kuś, e-mail: kus.mate@gmail.com Jakub Siuta, e-mail: siuta.jakub@gmail.com Andrzej Kubik, e-mail:

Bardziej szczegółowo

ANALiZA WPŁYWU PARAMETRÓW SAMOLOTU NA POZiOM HAŁASU MiERZONEGO WEDŁUG PRZEPiSÓW FAR 36 APPENDiX G

ANALiZA WPŁYWU PARAMETRÓW SAMOLOTU NA POZiOM HAŁASU MiERZONEGO WEDŁUG PRZEPiSÓW FAR 36 APPENDiX G PRACE instytutu LOTNiCTWA 221, s. 115 120, Warszawa 2011 ANALiZA WPŁYWU PARAMETRÓW SAMOLOTU NA POZiOM HAŁASU MiERZONEGO WEDŁUG PRZEPiSÓW FAR 36 APPENDiX G i ROZDZiAŁU 10 ZAŁOżEń16 KONWENCJi icao PIotr

Bardziej szczegółowo

ZESZYTY NAUKOWE NR 10(82) AKADEMII MORSKIEJ W SZCZECINIE

ZESZYTY NAUKOWE NR 10(82) AKADEMII MORSKIEJ W SZCZECINIE ISSN 1733-8670 ZESZYTY NAUKOWE NR 10(82) AKADEMII MORSKIEJ W SZCZECINIE IV MIĘDZYNARODOWA KONFERENCJA NAUKOWO-TECHNICZNA EXPLO-SHIP 2006 Karol Franciszek Abramek Zmiana stopnia sprężania i jej wpływ na

Bardziej szczegółowo

Opportunity of application of the knock phenomenon and smoke emission for the control of common-rail injection parameters

Opportunity of application of the knock phenomenon and smoke emission for the control of common-rail injection parameters Article citation info: RÓŻYCKI A. Opportunity of application of the knock phenomenon and smoke emission for the control of common-rail injection parameters. Combustion Engines. 1, 1(), 1-1. ISSN -. Andrzej

Bardziej szczegółowo

Wpływ składu mieszanki gazu syntetycznego zasilającego silnik o zapłonie iskrowym na toksyczność spalin

Wpływ składu mieszanki gazu syntetycznego zasilającego silnik o zapłonie iskrowym na toksyczność spalin Wpływ składu mieszanki gazu syntetycznego zasilającego silnik o zapłonie iskrowym na toksyczność spalin Anna Janicka, Ewelina Kot, Maria Skrętowicz, Radosław Włostowski, Maciej Zawiślak Wydział Mechaniczny

Bardziej szczegółowo

Układy zasilania samochodowych silników spalinowych. Bartosz Ponczek AiR W10

Układy zasilania samochodowych silników spalinowych. Bartosz Ponczek AiR W10 Układy zasilania samochodowych silników spalinowych Bartosz Ponczek AiR W10 ECU (Engine Control Unit) Urządzenie elektroniczne zarządzające systemem zasilania silnika. Na podstawie informacji pobieranych

Bardziej szczegółowo

Prognozowanie kierunku ruchu indeksów giełdowych na podstawie danych historycznych.

Prognozowanie kierunku ruchu indeksów giełdowych na podstawie danych historycznych. Metody Sztucznej Inteligencji 2 Projekt Prognozowanie kierunku ruchu indeksów giełdowych na podstawie danych historycznych. Autorzy: Robert Wojciechowski Michał Denkiewicz Mateusz Gągol Wstęp Celem projektu

Bardziej szczegółowo

Inżynieria Rolnicza 3(121)/2010

Inżynieria Rolnicza 3(121)/2010 Inżynieria Rolnicza 3(121)/2010 METODA OCENY NOWOCZESNOŚCI TECHNICZNO- -KONSTRUKCYJNEJ CIĄGNIKÓW ROLNICZYCH WYKORZYSTUJĄCA SZTUCZNE SIECI NEURONOWE. CZ. III: PRZYKŁADY ZASTOSOWANIA METODY Sławomir Francik

Bardziej szczegółowo

WYKORZYSTANIE SZTUCZNYCH SIECI NEURONOWYCH W PROGNOZOWANIU

WYKORZYSTANIE SZTUCZNYCH SIECI NEURONOWYCH W PROGNOZOWANIU WYKORZYSTANIE SZTUCZNYCH SIECI NEURONOWYCH W PROGNOZOWANIU THE USE OF ARTIFICIAL NEURAL NETWORKS IN FORECASTING Konrad BAJDA, Sebastian PIRÓG Resume Artykuł opisuje wykorzystanie sztucznych sieci neuronowych

Bardziej szczegółowo

KOMPUTEROWY MODEL UKŁADU STEROWANIA MIKROKLIMATEM W PRZECHOWALNI JABŁEK

KOMPUTEROWY MODEL UKŁADU STEROWANIA MIKROKLIMATEM W PRZECHOWALNI JABŁEK Inżynieria Rolnicza 8(117)/2009 KOMPUTEROWY MODEL UKŁADU STEROWANIA MIKROKLIMATEM W PRZECHOWALNI JABŁEK Ewa Wachowicz, Piotr Grudziński Katedra Automatyki, Politechnika Koszalińska Streszczenie. W pracy

Bardziej szczegółowo

ZESZYTY NAUKOWE INSTYTUTU POJAZDÓW 2(88)/2012

ZESZYTY NAUKOWE INSTYTUTU POJAZDÓW 2(88)/2012 ZESZYTY NAUKOWE INSTYTUTU POJAZDÓW 2(88)/2012 Stanisław W. Kruczyński 1, Janusz Januła 2, Maciej Kintop 3 PORÓWNAWCZE OBLICZENIA SYMULACYJNE WYBRANYCH PARAMETRÓW PROCESU WTRYSKU PALIWA ON i OR W PROGRAMIE

Bardziej szczegółowo

ZESZYTY NAUKOWE INSTYTUTU POJAZDÓW 1(87)/2012

ZESZYTY NAUKOWE INSTYTUTU POJAZDÓW 1(87)/2012 ZESZYTY NAUKOWE INSTYTUTU POJAZDÓW 1(87)/2012 Andrzej AMBROZIK, Tomasz AMBROZIK, Dariusz KURCZYŃSKI, Piotr ŁAGOWSKI 1 OPÓŹNIENIE SAMOZAPŁONU W SILNIKU Z WIELOETAPOWYM WTRYSKIEM PALIWA 1. Wstęp Przy analizie

Bardziej szczegółowo

ALGORYTM ROZPOZNAWANIA OBRAZÓW MATERIAŁÓW BIOLOGICZNYCH

ALGORYTM ROZPOZNAWANIA OBRAZÓW MATERIAŁÓW BIOLOGICZNYCH InŜynieria Rolnicza 7/2005 Bogusława Łapczyńska-Kordon, Jerzy Langman, Norbert Pedryc Katedra InŜynierii Mechanicznej i Agrofizyki Akademia Rolnicza w Krakowie ALGORYTM ROZPOZNAWANIA OBRAZÓW MATERIAŁÓW

Bardziej szczegółowo

MODELOWANIE PROCESÓW PRZETWÓRCZYCH Z UŻYCIEM SZTUCZNYCH SIECI NEURONOWYCH

MODELOWANIE PROCESÓW PRZETWÓRCZYCH Z UŻYCIEM SZTUCZNYCH SIECI NEURONOWYCH Inżynieria Rolnicza 7(125)/2010 MODELOWANIE PROCESÓW PRZETWÓRCZYCH Z UŻYCIEM SZTUCZNYCH SIECI NEURONOWYCH Jerzy Langman, Norbert Pedryc Katedra Inżynierii Mechanicznej i Agrofizyki, Uniwersytet Rolniczy

Bardziej szczegółowo

Elektronika samochodowa (Kod: ES1C )

Elektronika samochodowa (Kod: ES1C ) Politechnika Białostocka Wydział Elektryczny Katedra Automatyki i Elektroniki Instrukcja do ćwiczeń laboratoryjnych z przedmiotu Elektronika samochodowa (Kod: ES1C 621 356) Temat: Przepływomierze powietrza

Bardziej szczegółowo

Analiza zużycia paliwa przez silnik śmieciarki w warunkach cyklu pracy mechanizmu prasującego

Analiza zużycia paliwa przez silnik śmieciarki w warunkach cyklu pracy mechanizmu prasującego Analiza zużycia paliwa przez silnik w warunkach cyklu pracy mechanizmu prasującego Jacek Kropiwnicki, Jacek Czyżewicz, Mariusz Kopka, Grzegorz Książek Streszczenie W pracy przedstawiono analizę zużycia

Bardziej szczegółowo

Metody Sztucznej Inteligencji II

Metody Sztucznej Inteligencji II 17 marca 2013 Neuron biologiczny Neuron Jest podstawowym budulcem układu nerwowego. Jest komórką, która jest w stanie odbierać i przekazywać sygnały elektryczne. Neuron działanie Jeżeli wartość sygnału

Bardziej szczegółowo

Spis treści. 1. Badanie układu samodiagnostyki w silniku benzynowym typu 11. 1.1. Struktura systemu sterowania silnikiem benzynowym typu

Spis treści. 1. Badanie układu samodiagnostyki w silniku benzynowym typu 11. 1.1. Struktura systemu sterowania silnikiem benzynowym typu 3 1. Badanie układu samodiagnostyki w silniku benzynowym typu 11 Motronic... 1.1. Struktura systemu sterowania silnikiem benzynowym typu Motronic.. 11 1.2. Algorytm pracy sterownika w silniku benzynowym

Bardziej szczegółowo

Właściwy silnik do każdego zastosowania. 16936_BlueEfficiencyPower_Polnisch_Schrift_in_Pfade.indd 1 13.02.2013 10:55:33

Właściwy silnik do każdego zastosowania. 16936_BlueEfficiencyPower_Polnisch_Schrift_in_Pfade.indd 1 13.02.2013 10:55:33 Właściwy silnik do każdego zastosowania 16936_BlueEfficiencyPower_Polnisch_Schrift_in_Pfade.indd 1 13.02.2013 10:55:33 16936_BlueEfficiencyPower_Polnisch_Schrift_in_Pfade.indd 2 13.02.2013 10:55:38 16936_BlueEfficiencyPower_Polnisch_Schrift_in_Pfade.indd

Bardziej szczegółowo

ANALIZA PARAMETRÓW PRACY DWÓCH NOWOCZESNYCH SILNIKÓW TURBODOŁADOWANYCH

ANALIZA PARAMETRÓW PRACY DWÓCH NOWOCZESNYCH SILNIKÓW TURBODOŁADOWANYCH Inżynieria Rolnicza 2(119)/2010 ANALIZA PARAMETRÓW PRACY DWÓCH NOWOCZESNYCH SILNIKÓW TURBODOŁADOWANYCH Michał Walczyna, Dariusz Materek, Jerzy Bieniek Instytut Inżynierii Rolniczej, Uniwersytet Przyrodniczy

Bardziej szczegółowo

MODEL KIVA-3V JEDNO- I DWUSTOPNIOWEGO SYSTEMU SPALANIA W TŁOKOWYM SILNIKU ZI

MODEL KIVA-3V JEDNO- I DWUSTOPNIOWEGO SYSTEMU SPALANIA W TŁOKOWYM SILNIKU ZI PRACE NAUKOWE Akademii im. Jana Długosza w Częstochowie SERIA: Edukacja Techniczna i Informatyczna 21 z. V M. Sosnowski, 1 A. Jamrozik, 1 A. Kociszewski, 1 W. Tutak Akademia im. Jana Długosza, 1 Politechnika

Bardziej szczegółowo

WYKORZYSTANIE SZTUCZNYCH SIECI NEURONOWYCH DO ANALIZY WPŁYWU WYBRANYCH PARAMETRÓW NA ŚREDNICE KOLUMN INIEKCYJNYCH

WYKORZYSTANIE SZTUCZNYCH SIECI NEURONOWYCH DO ANALIZY WPŁYWU WYBRANYCH PARAMETRÓW NA ŚREDNICE KOLUMN INIEKCYJNYCH Maciej OCHMAŃSKI * Politechnika Śląska WYKORZYSTANIE SZTUCZNYCH SIECI NEURONOWYCH DO ANALIZY WPŁYWU WYBRANYCH PARAMETRÓW NA ŚREDNICE KOLUMN INIEKCYJNYCH 1. Wprowadzenie Kolumny iniekcyjne jet grouting

Bardziej szczegółowo

Keywords: compression ratio, dual-fuel engine, combustion process, natural gas

Keywords: compression ratio, dual-fuel engine, combustion process, natural gas Article citation info: LUFT, S., SKRZEK, T. Effect of the compression ratio on selected combustion process parameters in a natural gas fuelled compression ignition engine operating in a dual-fuel mode.

Bardziej szczegółowo

POSSIBLE IMROVEMENT OF THE MAIN OPERATIONAL PARAMETERS OF SI ENGINES FUELLED WITH INJECTED LIQUID BUTAN

POSSIBLE IMROVEMENT OF THE MAIN OPERATIONAL PARAMETERS OF SI ENGINES FUELLED WITH INJECTED LIQUID BUTAN Journal of KONES Internal Combustion Engines No. 1 ISSN 131 POSSIBLE IMROVEMENT OF THE MAIN OPERATIONAL PARAMETERS OF SI ENGINES FUELLED WITH INJECTED LIQUID BUTAN Sławomir Luft, Marek Gola Politechnika

Bardziej szczegółowo

SYMULACJA NUMERYCZNA PROCESÓW SPALANIA W POJEDYNCZEJ KOMORZE SILNIKA O ZAPŁONIE SAMOCZYNNYM ETAP I. PRZYGOTOWANIE OBLICZEŃ

SYMULACJA NUMERYCZNA PROCESÓW SPALANIA W POJEDYNCZEJ KOMORZE SILNIKA O ZAPŁONIE SAMOCZYNNYM ETAP I. PRZYGOTOWANIE OBLICZEŃ MODELOWANIE INŻYNIERSKIE nr 48, ISSN 1896-771X SYMULACJA NUMERYCZNA PROCESÓW SPALANIA W POJEDYNCZEJ KOMORZE SILNIKA O ZAPŁONIE SAMOCZYNNYM ETAP I. PRZYGOTOWANIE OBLICZEŃ Zbigniew Kosma, Bartosz Piechnik,

Bardziej szczegółowo

1. Wprowadzenie. 2. Klasyfikacja i podstawowe wskaźniki charakteryzujące pracę silników spalinowych. 3. Paliwa stosowane do zasilania silników

1. Wprowadzenie. 2. Klasyfikacja i podstawowe wskaźniki charakteryzujące pracę silników spalinowych. 3. Paliwa stosowane do zasilania silników Spis treści 3 1. Wprowadzenie 1.1 Krótka historia rozwoju silników spalinowych... 10 2. Klasyfikacja i podstawowe wskaźniki charakteryzujące pracę silników spalinowych 2.1 Klasyfikacja silników.... 16

Bardziej szczegółowo

OPTYMALIZACJA STEROWANIA MIKROKLIMATEM W PIECZARKARNI

OPTYMALIZACJA STEROWANIA MIKROKLIMATEM W PIECZARKARNI Inżynieria Rolnicza 6(131)/2011 OPTYMALIZACJA STEROWANIA MIKROKLIMATEM W PIECZARKARNI Leonard Woroncow, Ewa Wachowicz Katedra Automatyki, Politechnika Koszalińska Streszczenie. W pracy przedstawiono wyniki

Bardziej szczegółowo

Pytania na egzamin dyplomowy specjalność SiC

Pytania na egzamin dyplomowy specjalność SiC Pytania na egzamin dyplomowy specjalność SiC 1. Bilans cieplny silnika spalinowego. 2. Wpływ stopnia sprężania na sprawność teoretyczną obiegu cieplnego silnika spalinowego. 3. Rodzaje wykresów indykatorowych

Bardziej szczegółowo

Mechanika i Budowa Maszyn Studia pierwszego stopnia

Mechanika i Budowa Maszyn Studia pierwszego stopnia Mechanika i Budowa Maszyn Studia pierwszego stopnia Przedmiot: Diagnostyka silnika i osprzętu Rodzaj przedmiotu: specjalnościowy Kod przedmiotu: MBM 1 S 0 5 58-3_1 Rok: 3 Semestr: 5 Forma studiów: Studia

Bardziej szczegółowo

Silnik AFB AKN. Jałowy bieg (ciepły silnik, temperatura płynu chłodzącego nie niższa niż 80 C. Numer 0 (dziesiętne wartości wskazań)

Silnik AFB AKN. Jałowy bieg (ciepły silnik, temperatura płynu chłodzącego nie niższa niż 80 C. Numer 0 (dziesiętne wartości wskazań) Silnik Jałowy bieg (ciepły silnik, temperatura płynu chłodzącego nie niższa niż 80 C. Numer 0 (dziesiętne wartości wskazań) Numer bloku Opis Wartość wymagana Odpowiada wartości 1. Obroty silnika. 30 do

Bardziej szczegółowo

ZESZYTY NAUKOWE INSTYTUTU POJAZDÓW 1(87)/2012

ZESZYTY NAUKOWE INSTYTUTU POJAZDÓW 1(87)/2012 ZESZYTY NAUKOWE INSTYTUTU POJAZDÓW 1(87)/2012 Piotr SZCZĘSNY 1 TOKSYCZNOŚĆ SPALIN POJAZDÓW OSOBOWYCH PODCZAS STATYSTYCZNYCH BADAŃ EKSPLOATACYJNYCH 1. Wstęp Przedstawione w pracy wyniki badań toksyczności

Bardziej szczegółowo

Dobór funkcji aktywacji sieci neuronowej realizującej odtwarzanie wielkości wejściowej przetwornika pomiarowego

Dobór funkcji aktywacji sieci neuronowej realizującej odtwarzanie wielkości wejściowej przetwornika pomiarowego Dobór funkcji sieci neuronowej realizującej odtwarzanie wielkości wejściowej przetwornika pomiarowego Piotr Makowski Jerzy Roj* W artykule przedstawiono wyniki badań wybranych struktur sieci neuronowych

Bardziej szczegółowo

KONCEPCJA WERYFIKACJI DOŚWIADCZALNEJ ZAMODELOWANYCH OBCIĄŻEŃ CIEPLNYCH WYBRANYCH ELEMENTÓW KOMORY SPALANIA DOŁADOWANEGO SILNIKA Z ZAPŁONEM SAMOCZYNNYM

KONCEPCJA WERYFIKACJI DOŚWIADCZALNEJ ZAMODELOWANYCH OBCIĄŻEŃ CIEPLNYCH WYBRANYCH ELEMENTÓW KOMORY SPALANIA DOŁADOWANEGO SILNIKA Z ZAPŁONEM SAMOCZYNNYM ZESZYTY NAUKOWE POLITECHNIKI ŚLĄSKIEJ 2012 Seria: TRANSPORT z. 77 Nr. Kol.1878 Aleksander HORNIK, Piotr GUSTOF KONCEPCJA WERYFIKACJI DOŚWIADCZALNEJ ZAMODELOWANYCH OBCIĄŻEŃ CIEPLNYCH WYBRANYCH ELEMENTÓW

Bardziej szczegółowo

ĆWICZENIE 5: Sztuczne sieci neuronowe

ĆWICZENIE 5: Sztuczne sieci neuronowe Instytut Mechaniki i Inżynierii Obliczeniowej Wydział Mechaniczny Technologiczny, Politechnika Śląska www.imio.polsl.pl METODY HEURYSTYCZNE ĆWICZENIE 5: Sztuczne sieci neuronowe opracował: dr inż. Witold

Bardziej szczegółowo

WYKORZYSTANIE SIECI NEURONOWEJ DO ESTYMACJI WARTOŚCI WILGOTNOŚCI WZGLĘDNEJ POWIETRZA NA PODSTAWIE WARTOŚCI JEGO TEMPERATURY

WYKORZYSTANIE SIECI NEURONOWEJ DO ESTYMACJI WARTOŚCI WILGOTNOŚCI WZGLĘDNEJ POWIETRZA NA PODSTAWIE WARTOŚCI JEGO TEMPERATURY Wykorzystanie sieci neuronowej... Ireneusz Białobrzewski Katedra InŜynierii Procesów Rolniczych Uniwersytet Warmińsko-Mazurski w Olsztynie WYKORZYSTANIE SIECI NEURONOWEJ DO ESTYMACJI WARTOŚCI WILGOTNOŚCI

Bardziej szczegółowo

Sztuczne sieci neuronowe (SNN)

Sztuczne sieci neuronowe (SNN) Sztuczne sieci neuronowe (SNN) Pozyskanie informacji (danych) Wstępne przetwarzanie danych przygotowanie ich do dalszej analizy Selekcja informacji Ostateczny model decyzyjny SSN - podstawy Sieci neuronowe

Bardziej szczegółowo

LABORATORIUM SILNIKÓW SPALINOWYCH

LABORATORIUM SILNIKÓW SPALINOWYCH LABORATORIUM SILNIKÓW SPALINOWYCH Materiały pomocnicze Wykonywanie charakterystyk silnika wg BN-79/1374-03 Silniki samochodowe Badania stanowiskowe Wykonywanie charakterystyk Charakterystyka silnika -

Bardziej szczegółowo

WYKORZYSTANIE SIECI NEURONOWYCH DO ODWZOROWANIA DEFORMACJI POWIERZCHNI NA TERENACH GÓRNICZYCH

WYKORZYSTANIE SIECI NEURONOWYCH DO ODWZOROWANIA DEFORMACJI POWIERZCHNI NA TERENACH GÓRNICZYCH IZABELA SKRZYPCZAK, DAWID ZIENTEK WYKORZYSTANIE SIECI NEURONOWYCH DO ODWZOROWANIA DEFORMACJI POWIERZCHNI NA TERENACH GÓRNICZYCH THE APPLICATION OF NEURAL NETWORKS FOR PROJECTION OF SURFACES DEFORMATIONS

Bardziej szczegółowo

Uczenie sieci neuronowych i bayesowskich

Uczenie sieci neuronowych i bayesowskich Wstęp do metod sztucznej inteligencji www.mat.uni.torun.pl/~piersaj 2009-01-22 Co to jest neuron? Komputer, a mózg komputer mózg Jednostki obliczeniowe 1-4 CPU 10 11 neuronów Pojemność 10 9 b RAM, 10 10

Bardziej szczegółowo

SYSTEM EGR A ZMNIEJSZENIE EMISJI SUBSTANCJI SZKODLIWYCH EGR SYSTEM AND THE PROBLEM OF REDUCING POLLUTANT EMISSION

SYSTEM EGR A ZMNIEJSZENIE EMISJI SUBSTANCJI SZKODLIWYCH EGR SYSTEM AND THE PROBLEM OF REDUCING POLLUTANT EMISSION JERZY JASKÓLSKI, PAWEŁ MIKODA, JAKUB ŁASOCHA SYSTEM EGR A ZMNIEJSZENIE EMISJI SUBSTANCJI SZKODLIWYCH EGR SYSTEM AND THE PROBLEM OF REDUCING POLLUTANT EMISSION Streszczenie Abstract Recyrkulacja spalin

Bardziej szczegółowo

SAMOCHODY ZASILANE WODOREM

SAMOCHODY ZASILANE WODOREM Michał BIAŁY, Mirosław WENDEKER, Zdzisław KAMIŃSKI, Piotr JAKLIŃSKI, Agnieszka MALEC SAMOCHODY ZASILANE WODOREM Streszczenie Celem artykułu jest opis przeprowadzonych badań poświęconych stosowaniu wodoru

Bardziej szczegółowo

Uczenie sieci typu MLP

Uczenie sieci typu MLP Uczenie sieci typu MLP Przypomnienie budowa sieci typu MLP Przypomnienie budowy neuronu Neuron ze skokową funkcją aktywacji jest zły!!! Powszechnie stosuje -> modele z sigmoidalną funkcją aktywacji - współczynnik

Bardziej szczegółowo

IMPACT OF FUEL APPLICATIONS MICROEMULSION THE HYDROCARBON -ESTER - ETHANOL INDICATORS FOR EFFECTIVE WORK ENGINE PERKINS C -44

IMPACT OF FUEL APPLICATIONS MICROEMULSION THE HYDROCARBON -ESTER - ETHANOL INDICATORS FOR EFFECTIVE WORK ENGINE PERKINS C -44 Stanisław Kruczyński Instytut Transportu Samochodowego Stanisław Orliński Wyższa Szkoła Biznesu Wyższa Szkoła Ochrony Środowiska Ewa Fudalej-Kostrzewa Politechnika Poznańska Maciej Gis Instytut Transportu

Bardziej szczegółowo

Analiza drgań skrętnych wału śmigłowego silnika lotniczego PZL-200 podczas pracy z zapłonem awaryjnym

Analiza drgań skrętnych wału śmigłowego silnika lotniczego PZL-200 podczas pracy z zapłonem awaryjnym OSTAPSKI Wiesław 1 AROMIŃSKI Andrzej 2 Analiza drgań skrętnych wału śmigłowego silnika lotniczego PZL-200 podczas pracy z zapłonem awaryjnym WSTĘP Badania hamowniane silników lotniczych w tym pomiary drgań

Bardziej szczegółowo

Podstawy sztucznej inteligencji

Podstawy sztucznej inteligencji wykład 5 Sztuczne sieci neuronowe (SSN) 8 grudnia 2011 Plan wykładu 1 Biologiczne wzorce sztucznej sieci neuronowej 2 3 4 Neuron biologiczny Neuron Jest podstawowym budulcem układu nerwowego. Jest komórką,

Bardziej szczegółowo

Kongres Innowacji Polskich KRAKÓW 10.03.2015

Kongres Innowacji Polskich KRAKÓW 10.03.2015 KRAKÓW 10.03.2015 Zrównoważona energetyka i gospodarka odpadami ZAGOSPODAROWANIE ODPADOWYCH GAZÓW POSTPROCESOWYCH Z PRZEMYSŁU CHEMICZNEGO DO CELÓW PRODUKCJI ENERGII ELEKTRYCZNEJ I CIEPŁA Marek Brzeżański

Bardziej szczegółowo

MODELOWANIE POŁĄCZEŃ TYPU SWORZEŃ OTWÓR ZA POMOCĄ MES BEZ UŻYCIA ANALIZY KONTAKTOWEJ

MODELOWANIE POŁĄCZEŃ TYPU SWORZEŃ OTWÓR ZA POMOCĄ MES BEZ UŻYCIA ANALIZY KONTAKTOWEJ Jarosław MAŃKOWSKI * Andrzej ŻABICKI * Piotr ŻACH * MODELOWANIE POŁĄCZEŃ TYPU SWORZEŃ OTWÓR ZA POMOCĄ MES BEZ UŻYCIA ANALIZY KONTAKTOWEJ 1. WSTĘP W analizach MES dużych konstrukcji wykonywanych na skalę

Bardziej szczegółowo

ZESZYTY NAUKOWE INSTYTUTU POJAZDÓW 1(92)/2013

ZESZYTY NAUKOWE INSTYTUTU POJAZDÓW 1(92)/2013 ZESZYTY NAUKOWE INSTYTUTU POJAZDÓW 1(92)/2013 Piotr Orliński 1 OCENA WYBRANYCH WSKAŹNIKÓW PRACY SILNIKA ROLNICZEGO O ZAPŁONIE SAMOCZYNNYM ZASILANEGO OLEJAMI ROŚLINNYMI 1. Wstęp Problematyka zastosowania

Bardziej szczegółowo

Identyfikacja samochodu

Identyfikacja samochodu Producent Fiat Model Punto Rok produkcji Rejestracja Tel. - prywatny Stan licznika Tel. - komórkowy Numer zlecenia Tel. - służbowy Data 29/04/2015 Producent Fiat Model Punto (12-) 1,2 8V Autodata Limited

Bardziej szczegółowo

SPOSÓB POMIARU EMISJI ZANIECZYSZCZEŃ GAZOWYCH ORAZ ZADYMIENIA SPALIN PODCZAS PRZEPROWADZANIA BADANIA TECHNICZNEGO POJAZDU

SPOSÓB POMIARU EMISJI ZANIECZYSZCZEŃ GAZOWYCH ORAZ ZADYMIENIA SPALIN PODCZAS PRZEPROWADZANIA BADANIA TECHNICZNEGO POJAZDU ZAŁĄCZNIK Nr 4 SPOSÓB POMIARU EMISJI ZANIECZYSZCZEŃ GAZOWYCH ORAZ ZADYMIENIA SPALIN PODCZAS PRZEPROWADZANIA BADANIA TECHNICZNEGO POJAZDU I. Pomiar emisji zanieczyszczeń gazowych spalin pojazdów z silnikiem

Bardziej szczegółowo

NEURAL NETWORK ) FANN jest biblioteką implementującą SSN, którą moŝna wykorzystać. w C, C++, PHP, Pythonie, Delphi a nawet w środowisku. Mathematica.

NEURAL NETWORK ) FANN jest biblioteką implementującą SSN, którą moŝna wykorzystać. w C, C++, PHP, Pythonie, Delphi a nawet w środowisku. Mathematica. Wykorzystanie sztucznych sieci neuronowych do rozpoznawania języków: polskiego, angielskiego i francuskiego Tworzenie i nauczanie sieci przy pomocy języka C++ i biblioteki FANN (Fast Artificial Neural

Bardziej szczegółowo

Effect of dual fuelling on selected operating parameters and emission of a turbocharged compression ignition engine

Effect of dual fuelling on selected operating parameters and emission of a turbocharged compression ignition engine Article citation info: RÓŻYCKI, A. Effect of dual fuelling on selected operating parameters and emission of a turbocharged compression ignition engine. Combustion Engines. 3, 5(3), -. ISSN 3-3. Andrzej

Bardziej szczegółowo

ZASTOSOWANIE SZTUCZNYCH SIECI NEURONOWYCH DO OPISU PRZENIKALNOŚCI ELEKTRYCZNEJ MĄKI

ZASTOSOWANIE SZTUCZNYCH SIECI NEURONOWYCH DO OPISU PRZENIKALNOŚCI ELEKTRYCZNEJ MĄKI Inżynieria Rolnicza 2(120)/2010 ZASTOSOWANIE SZTUCZNYCH SIECI NEURONOWYCH DO OPISU PRZENIKALNOŚCI ELEKTRYCZNEJ MĄKI Deta Łuczycka Instytut Inżynierii Rolniczej, Uniwersytet Przyrodniczy we Wrocławiu Katarzyna

Bardziej szczegółowo