Wrzeciono CNC małej mocy jako obiekt badawczy dla metod CI na przykładzie detekcji prędkości

• Authors: Piecuch Grzegorz

Title variants

EN

Low-power CNC spindle as a research facicilty for ci methods on the example of speed detection

• Languages of publication: PL

Abstracts

PL

Artykuł omawia zastosowanie stanowiska dydaktycznego wyposażonego we wrzeciono CNC małej mocy do nauki metod inteligencji obliczeniowej na kierunkach technicznych wyższych uczelni np. automatyka i robotyka. Przedstawiono praktyczny przykład ćwiczenia, które zaznaja-mia studentów z rzeczywistym sprzętem sprzężonym z oprogramowaniem inżynierskim takim jak Matlab/Simulink, umożliwiającym stosowanie i analizę działania poszczególnych metod CI, także w czasie rzeczywistym.

The article discusses the use of didactic station equipped with a low-power CNC spindle to teach computational intelligence methods to technical majors at universities, e.g. Automatic con-trol and Robotics. This paper presents a practical example of exercises, which acquaint students with actual hardware integrated with engineering software such as Matlab/Simulink, which allows implementation and analysis of the operation of various CI methods, also in real time.

Keywords

PL

metody inteligencji obliczeniowej; sieć neuronowa; wrzeciono CNC

EN

methods of computational intelligence; neural network; spindle CNC

• Publisher: Uniwersytet Rzeszowski
• Journal: Dydaktyka informatyki
• Year: 2017
• Volume: (12)2017
• Pages: 224-232

Dates

published

2017

Contributors

author

Piecuch Grzegorz

• Politechnika Rzeszowska

References

• Boniecki P., Mueller W., Neuronowe techniki klasyfikacyjne w problemach identyfikacyjnych inżynierii rolniczej, „Journal of Research and Applications in Agricultural Engineering” 2005, Vol. 50(3), p. 17.
• Flasiński M., Wstęp do sztucznej inteligencji, PWN, Warszawa 2011.
• Jemielniak K., Kosmol J., Diagnostyka narzędzia i procesu skrawania – stan aktualny i kierunki rozwoju, „Mechanik” 1996, nr 10.
• Krawiec K., Stefanowski J., Uczenie maszynowe i sieci neuronowe. Wydawnictwo Politechniki Poznańskiej, Poznań 2003.
• Matlab&Simulink Neural Network Pattern Recognition Tool – instrukcja użytkowania.
• Piecuch G., Zastosowanie metod inteligencji obliczeniowej w diagnozowaniu wrzeciona, praca magisterska, Politechnika Rzeszowska, Rzeszów 2015.
• Sammut C., Webb G., Encyclopedia of Machine Learning, Springer 2010, p. 600–601.
• Stefanowski J., Zaawansowana eksploracja danych: Metody oceny wiedzy klasyfikacyjnej odkrytej z danych – materiały wykładowe, Instytut Informatyki, Politechnika Poznańska, Poznań 2010.
• Wawrzyński P., Uczenie maszynowe – sztuczne sieci neuronowe, Materiały wykładowe, PSZT.

Identifiers

DOI

10.15584/di.2017.12.27