1. |
2. Optimizacija ravninskih paličnih konstrukcij z uporabo genetskih algoritmovRok Tumpej, 2017, undergraduate thesis Abstract: V diplomskem delu je predstavljen razvoj programa, ki omogoča preračun statično obremenjenih ravninskih paličnih konstrukcij in konstrukcij sestavljenih iz linijskih nosilcev. Predstavljena je metoda končnih elementov in uporaba le te v računalniškem programiranju. Pravilnost delovanja razvitega programa je potrjena z analitičnimi izračuni in s primerjavo s programskim orodjem Abaqus. Delo zajema tudi optimizacijo oblike paličnih konstrukcij z uporabo genetskih algoritmov in optimizacije z rojem delcev. Rezultati optimizacije so prikazani na različnih primerih.
Keywords: metoda končnih elementov, palične konstrukcije, linijski nosilci, optimizacija oblike, genetski algoritmi, optimizacija z rojem delcev, programiranje, Python
Published in DKUM: 28.09.2017; Views: 3308; Downloads: 216
 Full text (3,66 MB) |
3. Optimizacija tehnoloških veličin globokega vleka z uporabo metode roja delcevKatja Popovič, 2017, master's thesis Abstract: Magistrsko delo obravnava optimizacijo tehnoloških parametrov globokega vleka pločevine, ki vplivajo na kakovost izdelkov. Razviti optimizacijski modeli, ki so predstavljeni v magistrski nalogi, temeljijo na rezultatih numeričnih simulacij. Predstavili smo razvoj regresijskih modelov in modelov na osnovi evolucijskega računanja, ki napovedujejo kakovost izdelka po preoblikovalnem postopku s pomočjo matematičnih metod in z genetskim programiranjem. Izdelane modele smo uporabili v algoritmu za optimizacijo z rojem delcev, s katero smo dobili nove vrednosti tehnoloških parametrov. Slednje smo nato uporabili v nadaljnjih numeričnih simulacijah globokega vleka ter rezultate kritično analizirali.
Keywords: pločevina, globoki vlek, računalniške simulacije, genetsko programiranje, optimizacija z rojem delcev
Published in DKUM: 27.09.2017; Views: 1205; Downloads: 195
Full text (1,62 MB) |
4. Kompleksnost produktnih skupin v podjetju Gorenje d. d.Janž Krofel, 2017, master's thesis Abstract: Magistrsko delo opisuje proces optimizacije produktne skupine. V teoretičnem delu so opredeljeni produkti in produktne skupine. Na kratko je opisana umetna inteligenca in različni pristopi k reševanju problemov s poudarkom na optimizacijski metodi z uporabo roja delcev. Predstavljena je tudi conjoint analiza, njene značilnosti in priporočljiva izvedba.
V praktičnem delu smo na realnem primeru iz podjetja Gorenje d. d. izvedli optimizacijo produktne skupine ter predstavili možne rešitve, kako doseči večji tržni delež. Najprej smo določili najpomembnejše atribute in ravni produktne skupine in z njim izvedli conjoint analizo, ter tako pridobili podatke, kako kupci vrednotijo določene atribute produktov oziroma njihovo koristnost. Dobljene podatke smo nato vstavili v algoritem optimizacijske metode ter opravili preračune.
Keywords: optimizacija produktne skupine, conjoint analiza, optimizacija z rojem delcev, Gorenje d. d.
Published in DKUM: 11.07.2017; Views: 1509; Downloads: 99
Full text (2,17 MB) |
5. ANALIZA ALGORITMA PSO TER NJEGOVIH IZPELJANKAleksander Robnik, 2016, master's thesis Abstract: V magistrskem delu predstavimo inteligenco rojev ter opišemo algoritem optimizacije z rojem
delcev. Pojasnimo izvor algoritmov inteligence rojev in njihov osnovni namen. Podrobneje
raziščemo različne izpeljanke algoritma optimizacije z rojem delcev ter naredimo primerjavo
med njimi. Med različnimi izpeljankami algoritma optimizacije z rojem delcev prihaja do
majhnih sprememb v programski kodi, zato le te nazorno prikažemo. Analizo delovanja
algoritmov izvedemo s pomočjo sistema EARS, s katerim lahko primerjamo moči posameznih
evolucijskih algoritmov.
Keywords: optimizacija z rojem delcev, inteligenca rojev, PSO
Published in DKUM: 27.10.2016; Views: 1292; Downloads: 204
Full text (4,14 MB) |
6. OPTIMIZACIJA Z ROJEM DELCEV ZA IZBIRO ATRIBUTOV PRI KLASIFIKACIJILucija Brezočnik, 2016, master's thesis Abstract: V magistrskem delu smo razvili metodo FS-BPSO, ki združuje postopek izbire atributov z algoritmom optimizacije z rojem delcev. Glavni namen te metode je njena uporabnost pri reševanju naslednjega dobro znanega problema. Ko so v podatkovni množici primerki z ogromnim številom atributov, je med njimi težko najti tiste, ki so najbolj informativni oziroma reprezentativni. Tega problema smo se lotili s predlaganim hibridnim algoritmom binarne optimizacije z rojem delcev v kombinaciji s klasifikacijskimi metodami C4.5, Naive Bayes in SVM v cenitveni funkciji za izbiro informativnih atributov. Dobljeni rezultati so statistično analizirani in razkrivajo, da predlagani hibridni algoritem prekaša znane klasifikacijske metode C4.5, Naive Bayes in SVM.
Keywords: računalniška inteligenca, optimizacija z rojem delcev, metoda izbire atributov, klasifikacija
Published in DKUM: 06.09.2016; Views: 1480; Downloads: 257
Full text (10,64 MB) |
7. Inteligentno toleriranje sklopov glede na tehnološke zmožnosti obdelovalnih postopkovDavid Močnik, 2016, doctoral dissertation Abstract: Sodobna proizvodnja je podvržena najrazličnejšim zahtevam, ki jih povezuje zahteva po učinkovitosti. Da zadostimo tej zahtevi, je treba tolerance sestavnih delov sklopa načrtovati s premislekom. Z ustreznim načrtovanjem toleranc lahko namreč zelo vplivamo na zmanjšanje proizvodnih stroškov.
V ta namen je v doktorski disertaciji za reševanje kompleksnega problema načrtovanja toleranc razvit in predstavljen inteligentni sistem toleriranja, ki s pomočjo metod umetne inteligence, na podlagi vhodnih podatkov porazdeli tolerance sestavnih delov, tako da so stroški izdelave minimalni.
Razvita sta dva različna modula za načrtovanje toleranc; modul z optimizacijo z rojem delcev in modul, ki temelji na gravitacijskem iskalnem algoritmu. Uporaba razvitega sistema je prikazana na dveh realnih primerih. Primerjane so vrednosti najnižjih doseženih stroškov s posamezno optimizacijsko metodo, vrednosti predlaganih toleranc in izbrani proizvodni procesi – stroji, ki jih je predlagala inteligenca. Skozi opravljena testiranja pri zasnovi inteligentnega sistema toleriranja se je optimizacija z rojem delcev izkazala za najučinkovitejšo metodo. Razvit je tudi uporabniški vmesnik, ki omogoča enostavno načrtovanje toleranc.
V zaključku raziskave je tudi potrjena teza doktorske disertacije, hkrati pa so tudi podane smernice za nadaljnji razvoj in raziskave.
Keywords: načrtovanje toleranc, izdelovalni stroški, optimizacija, inteligentno toleriranje, optimizacija z rojem delcev, gravitacijski iskalni algoritem
Published in DKUM: 01.07.2016; Views: 1635; Downloads: 161
Full text (2,73 MB) |
8. Modeliranje in optimizacija CNC obdelav s skupinsko inteligencoMarko Hrelja, 2015, doctoral dissertation Abstract: Izboljševanje obstoječe proizvodnje in obdelovalnih sistemov zahteva nenehno posodabljanje in integracijo najnovejših tehnologij v proizvodne sisteme. Proizvodnih spremenljivk je čedalje več, s tem pa se povečuje množica podatkov, ki jo moramo obdelati, tu pa velikokrat klasične analitične metode optimizacije odpovedo. Zaradi tega smo prisiljeni bolje izkoristiti razpoložljive proizvodne vire, zato pa moramo poseči po naprednejših pristopih reševanja problemov. Za reševanje zahtevnih problemov čedalje pogosteje uporabljajo različna področja umetne inteligence, še zlasti strojnega učenja. Pregled do sedaj opravljenih raziskav je pokazal, da so obstoječi razviti sistemi precej ozko usmerjeni.
V disertaciji predlagamo popolnoma nov pristop k modeliranju CNC-obdelav s pomočjo novega gravitacijskega iskalnega algoritma (GSA), ki spada med metode skupinske inteligence. Razviti inteligentni sistem deluje na osnovi osnovnih Newtonovih fizikalnih zakonov oziroma na osnovi interakcij med masnimi telesi v prostoru. Za primerjavo in potrditev ustreznosti rezultatov doktorske disertacije smo uporabili tudi metodo modeliranja z rojem delcev (PSO). Primerjava je pokazala, da je GSA algoritem primeren za modeliranje obdelav z odrezovanjem, saj so odstopanja od eksperimentalnih podatkov v sprejemljivih mejah. Dobljeni modeli so dobro opisali postopek odrezovanja materiala s struženjem, ki smo ga uporabili kot postopek odrezovanja. Posebej velja omeniti, da je GSA algoritem v najslabšem primeru vsaj dvakrat hitrejši od enakovrednega PSO algoritma. Dobljen model CNC-obdelave smo nato uporabili za večkriterijsko optimiranje obdelovalnih parametrov: optimalne hrapavosti obdelane površine, rezalnih sil in časovne obstojnosti orodja. Vsaka izmed omenjenih odvisnih spremenljivk prispeva k optimalnemu delovanju CNC-obdelovalnega stroja, kar znižuje stroške proizvodnje. Večkriterijsko optimiranje smo izvedli s pomočjo NSGA-II algoritma. Za optimiranje smo morali določiti tudi omejitve. Te smo določili s pomočjo teoretičnih izračunov in jih preverili s pomočjo eksperimentalnih podatkov. Zaradi obsega dela smo se omejili na struženje, hkrati pa so v delu predstavljene osnove prilagoditev za uporabo metod na ostalih obdelovalnih strojih, saj je predlagan pristop univerzalen.
Keywords: inteligentni obdelovalni sistem, CNC-obdelovalni stroj, odrezovanje, struženje, skupinska inteligenca, optimizacija z rojem delcev, gravitacijski iskalni algoritem, genetski algoritmi, večkriterijska optimizacija, NSGA-II algoritem
Published in DKUM: 04.02.2015; Views: 2877; Downloads: 388
Full text (3,55 MB) |
9. Model inteligentnega CAD/CAM sistema za programiranje CNC obdelovalnih strojevSimon Klančnik, 2012, dissertation Abstract: Sodobni obdelovalni sistemi so visoko avtomatizirani, zahtevajo veliko fleksibilnost in težijo k popolni avtonomnosti. Ker je programiranje obdelovalnih strojev zelo kompleksen proces, ki ga sestavlja več med seboj odvisnih problemov, ga kljub velikim naporom do danes še ni uspelo avtomatizirati. Pregled raziskav je pokazal, da so do sedaj razviti sistemi zelo ozko omejeni in lahko strokovnjaku služijo le kot pripomoček, pri pripravi postopka obdelave.
V disertaciji predlagamo samodejno programiranje CNC-obdelovalnih strojev s pomočjo umetne inteligence. Razvita inteligenca je sposobna, ne le delno, ampak v celoti, reševati kompleksen problem samodejnega programiranja obdelovalnih strojev. Sistem na podlagi CAD-modela izdelka samodejno, brez pomoči strokovnjaka, pripravi NC-program obdelave, in sicer tako, da je obdelava varna, pravilna, časovno učinkovita in hkrati zadosti določenim tehnološkim zahtevam obdelave. Inteligentni CAD/CAM-sistem za svoje delovanje uporablja skupinsko inteligenco, NSGA-II večkriterijsko optimizacijo in usmerjeno nevronsko mrežo, hkrati pa koristi prednosti ter moč informatizacije in tako s porazdeljeno arhitekturo dosega večjo učinkovitost pri celovitem reševanju tako kompleksnega problema. Sistem je sestavljen iz napovedovalnega in evalvacijskega modula. V napovedovalnem modulu umetna inteligenca predlaga rešitve, ki vsebujejo informacije o trajektorijah rezov, izbranih orodjih in predlaganih rezalnih parametrih. Evalvacijski modul, na podlagi razvitih simulacijskih modelov, oceni predlagane rešitve glede na geometrijski, tehnološki in časovni kriterij ter kriterij učinkovitosti obdelave. V okviru raziskave smo razvili diskreten in tudi zvezen simulacijski model, ki ga razviti sistem uporablja pri iskanju optimalne rešitve. Predlagani sistem je v splošnem primeren za različne vrste obdelav, v disertaciji pa se zaradi obsega dela pri testiranjih omejimo zgolj na rezkanje. Rezultati testiranj so potrdili, da je z uporabo metod umetne inteligence mogoče samodejno programirati obdelovalne stroje.
Keywords: skupinska inteligenca, optimizacija z rojem delcev, nevronske mreže, genetski algoritmi, NSGA-II optimizacija, CAD/CAM-sistem, NC-programiranje, API-vmesnik, CNC-obdelovalni stroj, inteligentni obdelovalni sistem, računalniška simulacija, večkriterijska optimizacija
Published in DKUM: 12.04.2012; Views: 4664; Downloads: 643
Full text (18,28 MB) |
10. OPTIMIZACIJA INDIKATORJA NAPETOSTIPeter Ogrizek, 2009, undergraduate thesis Abstract: Diplomska naloga opisuje načrtovanje indikatorja napetosti, ki zadovoljuje s standardi predpisanim kriterijem. Za doseganje optimalne snovno geometrijske zasnove indikatorja so uporabljene optimizacijske metode. Diplomska naloga podaja tudi primerjavo različnih optimizacijskih metod.
Keywords: indikator napetosti, algoritem diferenčne evolucije, DE algoritem, optimizacija z rojem delcev, PSO algoritem, DE algoritem, optimizacija, detektor napetosti, električno polje, kapacitivnost.
Published in DKUM: 20.01.2010; Views: 2735; Downloads: 193
Full text (4,39 MB) |
