Show simple item record

dc.contributor.authorБорисевич, В.В.
dc.contributor.authorАбухабел, М.А.
dc.date.accessioned2023-09-13T07:35:43Z
dc.date.available2023-09-13T07:35:43Z
dc.date.issued2017
dc.identifier.citationБорисевич, В. В. Регрессионный анализ связи параметров процесса гофрообразования трубных заготовок / В. В. Борисевич, Мохамед Абубакер Абухабел // Открытые информационные и компьютерные интегрированные технологии : сб. науч. тр. – Харьков, 2017. – Вып. 77. – С. 39–46.uk_UA
dc.identifier.issn2071-1077
dc.identifier.urihttp://dspace.library.khai.edu/xmlui/handle/123456789/5428
dc.description.abstractПолучены данные компьютерной симуляции процесса гофрообразования, основанной на проведении численного моделирования различных видов потери устойчивости с учетом пластического деформирования заготовки. К результатам моделирования применены методы регрессионного анализа, позволяющие на основании исходной геометрии трубной заготовки и требуемых параметров гофра получить рациональные параметры внутреннего давления и осевой осадки. Предложено использовать для этого двухслойную нейронную сеть.uk_UA
dc.description.abstractОтримано дані комп’ютерної симуляції процесу гофроутворення, що базується на проведенні чисельного моделювання різних видів втрати стійкості з урахуванням пластичного деформування заготовки. До результатів моделювання застосовано методи регресійного аналізу, що дозволяють на базі початкової геометрії трубної заготовки та параметрів гофра, що потрібні, одержати раціональні параметри внутрішнього тиску та осьової осадки. Показано, що для цього доцільно використовувати двошарову нейронну мережу типу перцептрона.uk_UA
dc.description.abstractThe results of the computer simulation of the corrugation formation are obtained. This simulation is based on modelling of different types of buckling with taking into account plastic deformation of the blank. The methods of regression analysis are applied for such result that allow to find rational parameters of the inner pressure and axial upsetting on the basis of initial geometry of tubular blank and corrugation required. It is shown that it is advisable to apply two layer neural network of perceptron type.uk_UA
dc.language.isoruuk_UA
dc.publisherХАИuk_UA
dc.subjectгофрообразованиеuk_UA
dc.subjectмоделированиеuk_UA
dc.subjectнейронная сетьuk_UA
dc.subjectрегрессионный анализuk_UA
dc.subjectгофроутворенняuk_UA
dc.subjectмоделюванняuk_UA
dc.subjectнейронна мережаuk_UA
dc.subjectрегресійний аналізuk_UA
dc.subjectcorrugation formationuk_UA
dc.subjectmodelinguk_UA
dc.subjectneural networkuk_UA
dc.subjectregression analysisuk_UA
dc.titleРегрессионный анализ связи параметров процесса гофрообразования трубных заготовокuk_UA
dc.typeArticleuk_UA


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record