This paper deals with artificial neural network approach for automatic detection of severity level of stator winding fault in induction motor. The problem is faced through modelling and simulation of induction motor with inter coil shorting in stator winding. The sum of the absolute values of difference in the peak values of phase currents from each half cycle has been chosen as the main input to the classifier. Sample values from workspace of Simulink model, which are verified with experiment setup practically, have been imported to neural network architecture. Consideration of a single input extracted from time domain simplifies and advances the fault detection technique. The output of the feed forward back propagation neural network classifies the short circuit fault level of the stator winding.
This study proposed a robust artificial intelligence (AI) model based on the social behaviour of the imperialist competitive algorithm (ICA) and artificial neural network (ANN) for modelling the deflection of reinforced concrete beams, abbreviated as ICA-ANN model. Accordingly, the ICA was used to adjust and optimize the parameters of an ANN model (i.e., weights and biases) aiming to improve the accuracy of the ANN model in modelling the deflection reinforced concrete beams. A total of 120 experimental datasets of reinforced concrete beams were employed for this aim. Therein, applied load, tensile reinforcement strength and the reinforcement percentage were used to simulate the deflection of reinforced concrete beams. Besides, five other AI models, such as ANN, SVM (support vector machine), GLMNET (lasso and elastic-net regularized generalized linear models), CART (classification and regression tree) and KNN (k-nearest neighbours), were also used for the comprehensive assessment of the proposed model (i.e., ICA-ANN). The comparison of the derived results with the experimental findings demonstrates that among the developed models the ICA-ANN model is that can approximate the reinforced concrete beams deflection in a more reliable and robust manner.
Artificial Neural Networks (ANN) have the capability to develop functional relationships between input-output patterns obtained from any source. Thus ANN can be conveniently used to develop a generalised relationship from limited and sometimes inconsistent data, and can therefore also be applied to tackle the data obtained from wind tunnel tests on building models with large number of variables. In this paper ANN model has been developed for predicting wind induced pressures in various zones of a Gable Building from limited test data. The procedure is also extended to a case wherein interference effects on a gable roof building by a similar building are studied. It is found that the Artificial Neural Network modelling is seen to predict successfully, the pressure coefficients for any roof slope that has not been covered by the experimental study. It is seen that ANN modelling can lead to a reduction of the wind tunnel testing effort for interference studies to almost half.
In recent decades, Artificial Neural Networks (ANNs) have become the focus of considerable attention in many disciplines, including robot control, where they can be used to solve nonlinear control problems. One of these ANNs applications is that of the inverse kinematic problem, which is important in robot path planning. In this paper, a neural network is employed to analyse of inverse kinematics of PUMA 560 type robot. The neural network is designed to find exact kinematics of the robot. The neural network is a feedforward neural network (FNN). The FNN is trained with different types of learning algorithm for designing exact inverse model of the robot. The Unimation PUMA 560 is a robot with six degrees of freedom and rotational joints. Inverse neural network model of the robot is trained with different learning algorithms for finding exact model of the robot. From the simulation results, the proposed neural network has superior performance for modelling complex robot's kinematics.
International Journal of Computer Science & Network Security
/
제22권2호
/
pp.145-152
/
2022
One of the impacts of Covid-19 on education systems has been the shift to online education. This shift has changed the way education is consumed and perceived by students. However, the exact nature of student perception about online education is not known. The aim of this study was to understand the perceptions of Saudi higher education students (e.g., post-school students) about online education during the Covid-19 pandemic. Various aspects of online education including benefits, features and cybersecurity were explored. The data collected were analysed using statistical techniques, especially artificial neural networks, to address the research aims. The key findings were that benefits of online education was perceived by students with positive experience or when ensured of safe use of online platforms without the fear cyber security breaches for which recruitment of a cyber security officer was an important predictor. The issue of whether perception of online education as a necessity only for Covid situation or a lasting option beyond the pandemic is a topic for future research.
Methanol steam reforming (MSR) is a promising method for hydrogen supplying as a critical step in hydrogen fuel cell commercialization in mobile applications. Modelling and understanding of the reactor behavior is an attractive research field to develop an efficient reformer. Three-layer feed-forward artificial neural network (ANN) and Box-Behnken design (BBD) were used to modelling of MSR process using the Cu-SiO2 aerogel catalyst. Furthermore, impacts of the basic operational variables and their mutual interactions were studied. The results showed that the most affecting parameters were the reaction temperature (56%) and its quadratic term (20.5%). In addition, it was also found that the interaction between temperature and Steam/Methanol ratio is important on the MSR performance. These models precisely predict MSR performance and have great agreement with experimental results. However, on the basis of statistical criteria the ANN technique showed the greater modelling ability as compared with statistical BBD approach.
Transactions of the Korean Society of Mechanical Engineers A
/
제21권5호
/
pp.727-734
/
1997
In practice, the design of forging processes is performed based on an experience-oriented technology, that is designer's experience and expensive trial and errors. Using the finite element simulation and the artificial neural network, we propose an optimal die geometry satisfying the design conditions of final product. A three-layer neural network is used and the back propagation algorithm is employed to train the network. An optimal die geometry that satisfied the same between inner extruded rib and outer extruded one is determined by applying the ability of function approximation of neural network. The neural networks may reduce the number of finite element simulation for determine the optimal die geometry of forging products and further they are usefully applied to physical modelling for the forging design.
Artificial neural networks were used for time series modelling of algal dynamics of whole year and by season at the Paldang dam station (confluence area). The modelling was based on comprehensive weekly water quality data from 1997 to 2004 at the Paldang dam station. The results of validation of seasonal models showed that the timing and magnitude of the observed chlorophyll a concentration was predicted better, compared with the ANN model for whole year. Internal weightings of the inputs in trained neural networks were obtained by sensitivity analysis for identification of the primary driving mechanisms in the system dynamics. pH, COD, TP determined most the dynamics of chlorophyll a, although these inputs were not the real driving variable for algal growth. Short-term prediction models that perform one or two weeks ahead predictions of chlorophyll a concentration were designed for the application of Harmful Algal Alert System in Lake Paldang. Short-term-ahead ANN models showed the possibilities of application of Harmful Algal Alert System after increasing ANN model's performance.
Proceedings of the Korean Institute of Building Construction Conference
/
한국건축시공학회 2019년도 추계 학술논문 발표대회
/
pp.16-17
/
2019
In order to measure the amount of carbon dioxide emitted from the construction sites, many literature which have been conducted have proposed methodologies for calculating coefficients based on actual data collections for estimating the emission formula. The existing data collected under controlled conditions not on site measurement were too limited to apply in actual sites. The purpose of this study is to conduct analysis based on the data measured in fields and to present predictive models using artificial neural network and nonlinear regression analysis for appropriate predictions and practical applications.
Dynamic compaction of Aluminum powder using gas detonation forming technique was investigated. The experiments were carried out on four different conditions of total pre-detonation pressure. The effects of the initial powder mass and grain particle size on the green density and strength of compacted specimens were investigated. The relationships between the mentioned powder design parameters and the final features of specimens were characterized using Response Surface Methodology (RSM). Artificial Neural Network (ANN) models using the Group Method of Data Handling (GMDH) algorithm were also developed to predict the green density and green strength of compacted specimens. Furthermore, the desirability function was employed for multi-objective optimization purposes. The obtained optimal solutions were verified with three new experiments and ANN models. The obtained experimental results corresponding to the best optimal setting with the desirability of 1 are 2714 kg·m-3 and 21.5 MPa for the green density and green strength, respectively, which are very close to the predicted values.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.