摘要
本文提出了一种在设计阶段选择材料的新方法。该方法考虑到材料的可回收性。作者比较了神经网络(多层感知器、径向基函数网络和自组织特征映射SOFM网络)作为建模工具在生态设计中帮助选择兼容材料的有效性。将最佳人工神经网络应用于专家系统。材料选择的输入数据是开始研究的起点。输入的数据,与设计师合作指定,包括技术和环境参数,以保证所需的材料兼容性。接下来,使用选定的神经网络建立模型。对模型进行评估,并在专家系统中实现。作者展示了哪些模型最适合他们的目的以及原因。模型帮助兼容的材料选择有助于提高设计产品的回收性能。 Neural networks are a very good tool to support the selection of materials in the ecodesign. This has been proven in the article.
关键字
兼容性 神经网络 分类模型 专家系统 材料选择笔记
致谢
论文中提出的工作已经得到了0613/SBAD/8727的联合资助,并获得了Kazimierz Wielki大学的研究潜力。
参考文献
-
1.Rojek, I., Dostatni, E.:生态设计中人工神经网络支持的材料选择。在:Trojanowska, J., Ciszak, O., Machado, J. m ., Pavlenko, I.(编辑)2019年制造业。lme,第1卷,第422-431页。beplay登入施普林格,可汗(2019)。https://doi.org/10.1007/978-3-030-18715-6_35 CrossRef谷歌学者
-
2.Rojek, I., Dostatni, E., Hamrol, A.:生态设计材料选择过程的自动化和数字化。In: Burduk, A., Chlebus, E., Nowakowski, T., Tubis, A.(编)ISPEM 2018。AISC,第835卷,523-532页。beplay登入施普林格,可汗(2019)。https://doi.org/10.1007/978-3-319-97490-3_50 CrossRef谷歌学者
-
3.Rojek, I., Dostatni, E., Hamrol, A.:使用决策树方法的工艺过程生态设计。在:Pérez García, H., Alfonso-Cendón, J., Sánchez González, L., Quintián, H., Corchado, E.(编辑)无尘布/ CISIS ICEUTE 2017。AISC,第649卷,第318-327页。beplay登入施普林格,可汗(2018)。https://doi.org/10.1007/978-3-319-67180-2_31 CrossRef谷歌学者
-
4.Dostatni, E., Rojek, I., Hamrol, A.:机器学习方法在产品和工艺过程的并行生态设计中的使用。见:Hamrol, A., Ciszak, O., Legutko, S., Jurczyk, M.(编)先进的制造业。lme,第649卷,第321-330页。beplay登入施普林格,可汗(2018)。https://doi.org/10.1007/978-3-319-68619-6_31 CrossRef谷歌学者
-
5.
-
6.维基百科。https://pl.wikipedia.org/wiki/Recykling.2018年11月21日访问
-
7.
-
8.李璟,吴锺,张宏昌。:Application of neural network on environmental impact assessment tools. Int. J. Sustain. Manuf.1(1/2), 100 - 121 (2008)谷歌学者
-
9.人工智能在回收利用中投入使用。http://www.mistbreaker.com/sustainability/artificial-intelligence-put-use-recycling.2019年4月19日访问
-
10.Jamróz, D., Niedoba, T.:利用自组织Kohonen图的多维数据可视化方法评估各种煤种的分类可能性。拱门。分钟。科学。60(1) 39-50 (2015)谷歌学者
-
11.
-
12.
-
13.Kamiński, M., Kowalski, C.T:基于RBF神经网络的变频馈电感应电机转子故障检测。公牛。波尔。学会科学。科技,科学。62(1), 69 - 76 (2014)谷歌学者
-
14.刘志强,刘志强:时间序列预测中整体的局部动态积分。公牛。波尔。学会科学。科技,科学。67(3), 517 - 525 (2019)谷歌学者
-
15.Luzar, M., Sobolewski, Ł。, Miczulski, W., Korbicz, J.:使用人工神经网络预测波兰时间尺度UTC(PL)的修正。公牛。波尔。学会科学。科技,科学。61(3), 589 - 594 (2013)谷歌学者
-
16.
-
17.Dostatni, E., Diakun, J., Grajewski, D., Wichniarek, R., Karwasz, A.:支持回收设计决策过程的多智能体系统。柔软。第一版。20.(11), 4347 - 4361(2016)。https://doi.org/10.1007/s00500-016-2302-z CrossRef谷歌学者
-
18.Dostatni, E., Diakun, J., Grajewski, D., Wichniarek, R., Karwasz, A.:生态设计支持系统的功能评估。等内容。刺激,Eng。牧师。6(1), 10 - 15 (2015)谷歌学者
-
19.Dostatni, E.:基于分散人工智能的循环导向生态设计方法。等内容。刺激,Eng。牧师。9(3), 79 - 89 (2018)谷歌学者
-
20.Rojek, I.:神经网络作为供水系统取水的预测模型。In: Rutkowski, L., Tadeusiewicz, R., Zadeh, L. a ., Zurada, J.M.(编)ICAISC 2008。LNCS (LNAI),第5097卷,第1109-1119页。beplay登入施普林格,海德堡(2008)。https://doi.org/10.1007/978-3-540-69731-2_104 CrossRef谷歌学者
-
21.Rojek, I.:混合神经网络作为预测模型。在:Rutkowski, L., Scherer, R., Tadeusiewicz, R., Zadeh, L. a ., Zurada, J.M.(编辑)ICAISC 2010。LNCS (LNAI),第6114卷,第88-95页。beplay登入施普林格,海德堡(2010)。https://doi.org/10.1007/978-3-642-13232-2_12 CrossRef谷歌学者
-
22.智能CAPP系统中的分类器模型。见:Cyran, k.a., Kozielski, S., Peters, j.f., Stańczyk, U., Wakulicz-Deja, A.(编)人机交互。AINSC,第59卷,第311-319页。beplay登入施普林格,海德堡(2009)。https://doi.org/10.1007/978-3-642-00563-3_32 CrossRef谷歌学者
-
23.Tadeusiewicz, R., Chaki, R., Chaki, N.:用c#探索神经网络。CRC Press Taylor & Francis Group, Boca Raton (2014)谷歌学者
版权信息
©作者(们),独家授权给施普林格Nature swiss AG 2022beplay登入