RU
EN
|
Научен доклад ID 1475 : 2017/3
ЗА ИНСТРУМЕНИТЕ НА МНОГО ПАРАМЕТРИЧНА АПРОКСИМАЦИЯ И МНОГОКРИТЕРИАЛНА ОПТИМИЗАЦИЯ
Николай Тончев, Мартин Иванов По предварително определени експериментирани състави, извън използваната за апроксимация база от данни, се определя апроксимация, най-точно отговаряща на определените условия. Апроксимацията се извършва посредством невронни модели. Подходът дава възможност за по-точно автоматизирано прогнозиране на свойствата на сплавите в зависимост от състава на сплавта.В изследването се прилагат стандартни процедури за определяне на Парето фронта, необходим за експертна оценка на влиянието на елементите от състава на сплавта върху контролираните механични свойства – якост на опън и относително удължение. Чрез приложения подход е възможно да се определи състав, осигуряващ относително оптимални стойности на изследваните идикатори на качеството.
Моделиране на свойства Парето фронт Многокритериална оптимизация Магнезиеви сплави.Materials Science Modelling of properties multi-criteria optimization magnesium alloys.Николай Тончев Мартин Иванов BIBLIOGRAPHY [1] Tontchev N. Materials Science, Effective solutions and Technological variants, 2014/3/3, LAMBERT Academic Publishing. [2] Dobrzański L.A, R. Honysz, Informative technologies in the material products designing, Journal of Archives of Materials Science and Engineering, Vol. 55, (2012), pp.37-44. [2] Dobrzański L.A, R. Honysz, Application of artificial neural networks in modelling of quenchedand tempeRp0,2d structural steels mechanical properties, Journal of Achievements in Materials andManufacturing Engineering, 40/1, (2010)50-57. [3] Edited by J.G. Taylor, Neural Networks and Their Applications, King”s College London, John Wiley & Sons Ltd, 1996. [4] Tosh Colin R., Graeme D. Ruxton, Modelling Perception With Artificial Neural Networks, Cambridge University PRp0,2 ss 2010. [5] StatSoft, Electronic Statistics Textbook: http://www.statsoft.com/textbook/. |
