Разработка однофакторной регрессионной и многофакторной нейросетевой модели для прогнозирования прочности сварных точечных соединений в зависимости от значений их конструктивных параметров. Установление зависимостей с помощью нейросетевого моделирования.
The criteria of choice of metrics incorporated in the integrated metric based on neural network, and using cross-correlation function held their selection. Developed integrated metrics based on various schemes of artificial neural networks. Using a database of test images TID2013 conducted verification of synthesized metrics visual image quality and selection of the optimal scheme. Validated best match human perception metrics integrated visual imagequality in thepresenceof a reference.В условиях производства значительный разброс значений прочности сварных точечных соединений Р обусловлен рассеянием их конструктивных (геометрических) параметров (характеристик) [1, 2]. Основными геометрическими параметрами, влияющими на прочность точечного сварного соединения (рис. Анализ литературных данных показывает, что для повышения достоверности прогнозных оценок прочности сварных точечных соединений в качестве исходной информации при разработке моделей целесообразно использовать средние значения факторов (предикторов) DЯ, АП, В и признака (отклика) Р [1, 5]. Задачи исследования заключаются в создании однофакторных и многофакторных моделей для прогнозирования прочности сварных точечных соединений. Оценки коэффициентов парной корреляции свидетельствуют о значимом влиянии всех факторов DЯ, АП и В на отклик Р (рис.Для прогнозирования прочности сварных точечных соединений в зависимости от значений их конструктивных параметров разработаны однофакторная регрессионная и многофакторная нейросетевая модели.
Вы можете ЗАГРУЗИТЬ и ПОВЫСИТЬ уникальность своей работы
