Počet záznamov: 1
Predikcia výsledného rozmeru zváraných výliskov využitím štatistických metód a neurónových sietí
Názvové údaje Predikcia výsledného rozmeru zváraných výliskov využitím štatistických metód a neurónových sietí [elektronický zdroj] = [Prediction of the resulting dimensions of welded stamped parts using statistical methods and neural networks] / Peter Káčer ; vedúci záverečnej práce Milan Kadnár Autor-i Káčer, Peter, ; SPUTFA30 (aut.)
Kadnár, Milan, ; SPUTFA30 (škol.)Korporácia Slovenská poľnohospodárska univerzita (Nitra, Slovensko). Technická fakulta. Ústav konštruovania a strojárskych technológií Vyd.údaje 2023 Rozsah 126 s. : grafy, tab. ; 30 cm Poznámky Súbežný názov prevzatý z databázy uis SPU . Bibliografia s.116-126 . Resumé anglicky, slovensky . Doktorandská dizertačná práca (PhD.).- Ústav konštruovania a strojárskych technológií TF SPU v Nitre (v práci uvedené Katedra konštruovania strojov TF SPU) Predmet Donghee Slovakia (Strečno, Slovensko) nápravy (vozidlá) lisované súčiastky zváranie meranie geometrické rozmery štatistické metódy neurónové siete (počítačová veda) dizertácie Anotácia Autorský abstrakt: KÁČER, Peter: Predikcia výsledného rozmeru zváraných výliskov využitím štatistických metód a neurónových sietí [DizP]. Slovenská poľnohospodárska univerzita v Nitre. Technická fakulta. Nitra: TF, 2023. 126 s. Dôležitou oblasťou automobilového priemyslu je kombinácia lisovania a následného zvárania komponentov. Vznikajúce nepresnosti, ktoré vznikajú pri procese lisovania ovplyvňujú konečný rozmer dielu, ktorý má vplyv na nastavenie geometrie auta. To sa však dá korigovať voľbou technologických parametrov nasledujúcej operácie zvárania. V práci sa zaoberáme konkrétnym komponentom, ktorý sa takýmto postupom vyrába a zároveň možnosťou využitia negatívneho javu deformácie pri zváraní na čiastočné odstránenie nepresností vznikajúcich pri predchádzajúcej výrobnej operácií. Pri plánovaní experimentu sme použili novú metodiku s pseudocentrálnymi bodmi, nakoľko nebolo možné zabezpečiť merania na centrálnej úrovni faktora x3 – veľkosť výlisku. Na základe hodnôt z plánovaného experimentu sme vytvorili matematicko-štatistický model lineárnej regresie s upraveným koeficientom determinácie 0,969. Ako alternatívu sme vytvorili predikčný model na báze neurónových sietí, kde sme ako algoritmus učenia použili algoritmus Levenberg-Maquardt a Bayesovu reguláciu. Výstupom z navrhnutých modelov sú rovnice, pomocou ktorých je možné určiť vhodné parametre zvárania pre konkrétny rozmer výlisku na dosiahnutie požadovaného sledovaného rozmeru zváraného dielu. Súčasťou práce sú aj výsledky doplnkových experimentálnych meraní overujúcich presnosť modelu a predikčných máp pre prax. Presnosť navrhnutých modelov sme overili pomocou Strednej absolútnej percentuálnej chyby – MAPE, kde jej hodnoty nepresahovali 0,006. V prípade porovnania regresných koeficientov ich hodnoty neklesli pod úroveň 0,992. Author’s abstract: KÁČER, Peter: Prediction of the resulting dimensions of welded stamped parts using statistical methods and neural networks [DizP]. Slovak University of Agriculture in Nitra. Technical Faculty. Nitra: TF, 2023. 126 p. An important area of the automotive industry is the combination of pressing and subsequent welding of components. The emerging inaccuracies that arise during the pressing process affect the final dimension of the part, which affects the setting of the car's geometry. However, this can be corrected by choosing the technological parameters of the next welding operation. In this work, we are dealing with a specific component that is produced using such a procedure and the possibility of using the negative phenomenon of deformation during welding to partially eliminate inaccuracies arising during the previous production operation. When planning the experiment, we used a new methodology with pseudo-central points, as it was not possible to ensure measurements at the central level of the factor x3 - the size of the molding. Based on the values from the planned experiment, we created a mathematical-statistical linear regression model with an adjusted coefficient of determination of 0.969. As an alternative, we created a prediction model based on neural networks, where we used the Levenberg-Maquardt algorithm and Bayesian regularization as a learning algorithm. The outputs of the designed models are equations with the help of which it is possible to determine the appropriate welding parameters for a specific dimension of the molding to achieve the required monitored dimension of the welded part. The work also includes the results of additional experimental measurements verifying the accuracy of the model and prediction maps for practice. We verified the accuracy of the proposed models using the Mean Absolute Percentage Error - MAPE, where its values did not exceed 0.006. In the case of comparison of regression coefficients, their values did not fall below the level of 0.992. Krajina Slovensko Jazyk dok. slovenčina URL http://opac.crzp.sk/openURL?crzpSigla=spunitra&crzpID=32515 Počet ex. 1, z toho voľných 0, prezenčne 1 Báza dát Kvalifikačné práce 
kniha
Signatúra Dislokácia Umiestnenie Voľné VP-98438 Štúrova - záverečné práce len prezenčne
Počet záznamov: 1