Predikce vstupních parametrů laserového popisování užitím umělých neuronových sítí

Svítek, Richard

Predikce vstupních parametrů laserového popisování užitím umělých neuronových sítí

DSpace Repository

Language: English čeština

Predikce vstupních parametrů laserového popisování užitím umělých neuronových sítí

dc.contributor.advisor	Sámek, David
dc.contributor.author	Svítek, Richard
dc.date.accessioned	2016-06-06T08:31:22Z
dc.date.available	2016-06-06T08:31:22Z
dc.date.issued	2005-02-14
dc.identifier	Elektronický archiv Knihovny UTB
dc.identifier.uri	http://hdl.handle.net/10563/35902
dc.description.abstract	Laserové popisování je proces s několika vstupními a výstupními parametry, které je nutno řídit, k dosažení kvalitního a ekonomického výsledku. Konkrétně, monitorujeme na vstupu výkon laseru a rychlost posuvu. Na výstupu pak hloubku drážky a čtyři parametry drsnosti povrchu. Ra – průměrnou aritmetickou úchylku profilu a Rz – největší úchylku profilu, v podélném a příčném směru. Umělé neuronové sítě nám umožňují tento proces s několika proměnnými optimalizovat a řídit. Další výhodou je také schopnost neuronových sítí &bdquo;učit se'' a tak dále zvyšovat přesnost výsledku.
dc.format	72 s.
dc.format.extent	852269
dc.language.iso	cs
dc.publisher	Univerzita Tomáše Bati ve Zlíně
dc.rights	Bez omezení
dc.subject	laser	cs
dc.subject	mikroobrabění	cs
dc.subject	umělé neuronové sítě	cs
dc.subject	laser	en
dc.subject	cutting	en
dc.subject	artificial neural networks	en
dc.title	Predikce vstupních parametrů laserového popisování užitím umělých neuronových sítí
dc.title.alternative	Prediction of laser scribing input parameters by artificial neural networks
dc.type	diplomová práce	cs
dc.contributor.referee	Sýkorová, Libuše
dc.date.accepted	2005-06-03
dc.description.abstract-translated	Laser scribing process has more then one input and output parameters, that need to be controlled for the quality and economic production. Particularly, laser strength and rate of feed is monitored on the input. Slot depth and four parameters of surface roughness are measured on the output. Ra – average arithmetic profile deviation and Rz – highest profile deviation, both in lengthwise and crosswise direction. Artificial neural networks are used for optimization and controlling this process. Subsequent advantage of artificial neural networks is ''learning ability” to rise production accuracy.
dc.description.department	Ústav výrobního inženýrství
dc.thesis.degree-discipline	Technologie kůže, plastů a pryže	cs
dc.thesis.degree-discipline	Technology of leather, plastics and rubber	en
dc.thesis.degree-grantor	Univerzita Tomáše Bati ve Zlíně. Fakulta technologická	cs
dc.thesis.degree-grantor	Tomas Bata University in Zlín. Faculty of Technology	en
dc.thesis.degree-name	Ing.
dc.thesis.degree-program	Chemie a technologie materiálů	cs
dc.thesis.degree-program	Chemistry and Materials Technology	en
dc.identifier.stag	1084
utb.result.grade	C
dc.date.submitted	2005-05-24