KMEC, Ján, Alena VAGASKÁ, Miroslav GOMBÁR, Emil SPIŠÁK, Petr MICHAL and Miroslav BADIDA. Modelling of the anodizing process of aluminum using neural networks. In Proceedings of the 2014 15th International Carpathian Control Conference, ICCC 2014, art. 2014, p. 629-634. ISBN 978-1-4799-3528-4.
Other formats:   BibTeX LaTeX RIS
Basic information
Original name Modelling of the anodizing process of aluminum using neural networks
Name in Czech Modelování procesu eloxování hliníku za použití neuronové sítě
Authors KMEC, Ján, Alena VAGASKÁ, Miroslav GOMBÁR, Emil SPIŠÁK, Petr MICHAL and Miroslav BADIDA.
Edition Proceedings of the 2014 15th International Carpathian Control Conference, ICCC 2014, art. p. 629-634, 6 pp. 2014.
Other information
Original language English
Type of outcome Proceedings paper
Confidentiality degree is not subject to a state or trade secret
Organization unit Institute of Technology and Business in České Budějovice
ISBN 978-1-4799-3528-4
Keywords (in Czech) eloxování; neuronová jednotka; predikční model
Keywords in English anodizing; neural unit; prediction model
Changed by Changed by: Martina Hubená, učo 6171. Changed: 18/12/2014 13:37.
Abstract
The aim of the research work was to present some possibilities of control and optimization of the technological process of aluminum anodic oxidation using neural networks and Design of Experiments (DoE) in order to evaluate and monitor the influence of the input factors on the resulting AAO (Anodic aluminum oxide) film thickness. Three types of neural units (first order neural unit, second order neural unit, third order neural unit) were used to create the prediction model describing the thickness of the final aluminium oxide layer formed during the process of anodic oxidation of aluminum. The paper also deals with the evaluating of minimal range of training data used for learning process, so the neural unit can produce sufficiently reliable model.
Abstract (in Czech)
Cílem výzkumné práce bylo prezentovat některé možnosti kontroly a optimalizace technologického procesu anodické oxidace hliníku pomocí neuronových sítí a navrhování experimentů (DOE), s cílem vyhodnotit a sledovat vliv vstupních faktorů pro výsledný AAO (anodický oxid hlinitý), tloušťku filmu. Tři typy neuronových jednotek (první řád neuronové jednotky, druhý řád neuronové jednotky, třetí řád neuronové jednotky) byly použity k vytvoření predikčního modelu popisující tloušťku vrchní vrstvy oxidu hlinitého vytvořeného během procesu anodické oxidace hliníku. Článek se zabývá také vyhodnocování minimálním rozsahu odborných údajů použitých při procesu, takže neuronová jednotka může produkovat dostatečně spolehlivý režim.
PrintDisplayed: 2/5/2024 02:29