Show simple item record

dc.contributor.authorŠpička, Ivo
dc.contributor.authorHeger, Milan
dc.contributor.authorFranz, Jiří
dc.date.accessioned2010-12-13T08:51:35Z
dc.date.available2010-12-13T08:51:35Z
dc.date.issued2010
dc.identifier.citationArchives of metallurgy and materials. 2010, vol. 55, issue 3, p. 921-926.en
dc.identifier.issn1733-3490
dc.identifier.urihttp://hdl.handle.net/10084/83502
dc.description.abstractThe method exploits sufficient similarity between cooling down curves of individual specimens from the same material but when specimens vary in geometric shape. Time scale altering for individual specimens leads from practical point of view to coincidence of all curves with so called “general curve” for given material which is calculated from measured values by means of statistic methods. This operation can be denoted as a definition of time transformation coefficient ( TTC ) (for known specimens). If an artificial neural network learns itself to assign time transformation coefficient to known dimensions of specimens, it is then with sufficient accuracy able to determine time transformation coefficient even for specimens with different shapes, for which it has not been learnt. By backward time transformation is then possible to predict probable time course of the cooling down curve and accordingly also the moment of accomplishment of given temperature. To obtain more general results, when above mentioned exploration of TCC, coupling with the numerical solutions of partial differential equations of the heat fields together with their initial and boundary conditions solutions can be used. The initial conditions in the most cases are unique or they can be with the sufficient precision determined, whereas the boundary conditions of heat transfer equations are usually wary hard to set. So some potential methods of boundary conditions determining and some difficulties by their time behavior settings can be illustrated, too. The advantages of both methods can be mixed and sufficient speedy and accuracy solution may be got.en
dc.language.isoenen
dc.publisherPolska akademia nauk. Komitet metalurgiien
dc.relation.ispartofseriesArchives of metallurgy and materialsen
dc.relation.urihttp://imim.pl/files/archiwum/Vol3_2010/37.pdfen
dc.subjectcooling down of materialsen
dc.subjecttemperature predictionen
dc.subjectartificial neural networken
dc.subjectboundary conditionen
dc.subjectnumerical heat transfer equationen
dc.titleThe mathematical-physical models and the neural network exploitation for time prediction of cooling down low range specimenen
dc.title.alternativeMatematyczno-fizyczne modele oraz wykorzystanie sieci neuronowych do prognozowania czasu ochładzania próbek o zróznicowanych wymiarachen
dc.typearticleen
dc.identifier.locationNení ve fondu ÚKen
dc.description.abstract-enZaprezentowana metoda wykorzystuje podobienstwo pomiedzy krzywymi chłodzenia dla próbek z tego samego materiału, rózniacych sie cechami geometrycznymi. Dopasowanie skali czasu dla poszczególnych próbek prowadzi do zbieznosci z tzw. „ogólna krzywa” dla danego materiału, która mozna wyznaczyc metodami statystycznymi. Ta operacja jest okreslana jako definiowanie współczynnika przekształcenia czasu TTC dla próbek o okreslonych kształtach (wymiarach), to bedzie mozliwe wyznaczenie z wystarczajaca dokładnoscia współczynnika TTC dla próbek o odmiennych kształtach (wymiarach). Umozliwi to, poprzez przekształcenie odwrotne czasu, przewidywanie prawdopodobnego przebiegu krzywej chłodzenia, a takze czasu osiagniecia zadanej temperatury. W celu osiagniecia bardziej ogólnych wyników wspomniana wczesniej metoda TTC połaczono z analiza numeryczna czastkowych równan rózniczkowych opisujacych pole temperatury z uwzglednieniem warunków poczatkowych i brzegowych. Warunki poczatkowe w wiekszosci przypadków sa jednoznacznie okreslone lub moga byc okreslone z zadawalajaca dokładnoscia, natomiast warunki brzegowe wymiany ciepła sa zwykle trudne do ustalenia. Przedstawione zostały wybrane metody okreslenia warunków brzegowych oraz trudnosci zwiazane z okresleniem charakterystyk czasowych. Zalety obu metod moga byc łaczone w celu osiagniecia zadawalajacej szybkosci i dokładnosci rozwiazania.en
dc.rights.accessopenAccess
dc.type.versionpublishedVersion
dc.identifier.wos000284292200037


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record