Diplomová práce se zabývá návrhem a sestavením neuronové sítě pro predikování výsledků parametrů drsnosti u heterogenních povrchů. Současně dokazuje, že jiné statistické metody, především regresní analýzy, v tomto směru selhávají a jejich výsledky nelze spolehlivě použít. K získání potřebných dat pro sestavení neuronové sítě posloužily vzorky vyrobené za použití řezání vodním paprskem. Tento povrch je charakteristický pro svou heterogenitu. Práce popisuje tyto vzorky, parametry jejich vzniku, laboratorní měření, kompletní sestavení neuronové sítě a následné srovnání výsledků s regresními funkcemi.
Annotation in English
This diploma thesis deals with the design and assembly of a neural network for predicting the results of roughness parameters in heterogeneous surfaces. At the same time, it proves that other statistical methods, especially regression analyzes, fail in this direction and their results cannot be used reliably. Samples made using water jet cutting were used to obtain the data needed to assemble the neural network. This surface is characterized by its heterogeneity. The work describes these samples, parameters of their origin, laboratory measurements, complete construction of the neural network and comparison of results with regression functions.
Keywords
heterogenní povrch, drsnost povrchu, abrazivní vodní paprsek, regresní analýzy, neuronové sítě
Diplomová práce se zabývá návrhem a sestavením neuronové sítě pro predikování výsledků parametrů drsnosti u heterogenních povrchů. Současně dokazuje, že jiné statistické metody, především regresní analýzy, v tomto směru selhávají a jejich výsledky nelze spolehlivě použít. K získání potřebných dat pro sestavení neuronové sítě posloužily vzorky vyrobené za použití řezání vodním paprskem. Tento povrch je charakteristický pro svou heterogenitu. Práce popisuje tyto vzorky, parametry jejich vzniku, laboratorní měření, kompletní sestavení neuronové sítě a následné srovnání výsledků s regresními funkcemi.
Annotation in English
This diploma thesis deals with the design and assembly of a neural network for predicting the results of roughness parameters in heterogeneous surfaces. At the same time, it proves that other statistical methods, especially regression analyzes, fail in this direction and their results cannot be used reliably. Samples made using water jet cutting were used to obtain the data needed to assemble the neural network. This surface is characterized by its heterogeneity. The work describes these samples, parameters of their origin, laboratory measurements, complete construction of the neural network and comparison of results with regression functions.
Keywords
heterogenní povrch, drsnost povrchu, abrazivní vodní paprsek, regresní analýzy, neuronové sítě
Vypracovat rešerši na téma jakost povrchů, se zaměřením na povrchy heterogenní.
Připravit a proměřit zadané vzorky
Navrhnout a ověřit vhodné statistické metody pro globální hodnocení heterogenit
Research Plan
Vypracovat rešerši na téma jakost povrchů, se zaměřením na povrchy heterogenní.
Připravit a proměřit zadané vzorky
Navrhnout a ověřit vhodné statistické metody pro globální hodnocení heterogenit
Recommended resources
PATA, Vladimír a Milena KUBIŠOVÁ. Statistické metody hodnocení jakosti strojírenských povrchů. Ve Zlíně: Univerzita Tomáše Bati, Fakulta technologická, 2018. ISBN 978-80-7454-740-9.
MELOUN, Milan a Jiří MILITKÝ. Kompendium statistického zpracování dat. Praha: Karolinum, 2012. ISBN 978-80-246-2196-8.
WHITEHOUSE, D. J. Handbook of surface and nanometrology. 2nd ed. Boca Raton: CRC Press, c2011. ISBN 978-1-4200-8201-2.
SMITH, Graham T. Machine tool metrology: an industrial handbook. [Switzerland]: Springer, [2016]. ISBN 978-3-319-25107-3.
Recommended resources
PATA, Vladimír a Milena KUBIŠOVÁ. Statistické metody hodnocení jakosti strojírenských povrchů. Ve Zlíně: Univerzita Tomáše Bati, Fakulta technologická, 2018. ISBN 978-80-7454-740-9.
MELOUN, Milan a Jiří MILITKÝ. Kompendium statistického zpracování dat. Praha: Karolinum, 2012. ISBN 978-80-246-2196-8.
WHITEHOUSE, D. J. Handbook of surface and nanometrology. 2nd ed. Boca Raton: CRC Press, c2011. ISBN 978-1-4200-8201-2.
SMITH, Graham T. Machine tool metrology: an industrial handbook. [Switzerland]: Springer, [2016]. ISBN 978-3-319-25107-3.
