Moderní způsoby hodnocení drsnosti strojírenských povrchů na bázi matematické statistiky
Show simple item record
dc.contributor.author |
Pata, Vladimír
|
|
dc.date.accessioned |
2020-02-10T11:33:49Z |
|
dc.date.available |
2020-02-10T11:33:49Z |
|
dc.date.issued |
2019-05 |
|
dc.identifier.isbn |
978-80-7454-829-1 |
|
dc.identifier.uri |
http://hdl.handle.net/10563/45894
|
|
dc.description.abstract |
V současné vědecké literatuře je možno považovat pojem „Matematické hodnocení drsnosti technických povrchů“, za relativně málo citovaný. Uvedený pojem je součástí hodnocení „Integrity povrchu“, kde sice tvoří základní, nicméně relativně malou část tohoto globálního pojmu. Tento fakt je patrně způsoben i „poněkud zastaralým přístupem“ ke způsobu hodnocení.
Předkládané teze se zabývají zpřesněním pojmu „drsnost povrchu“ na základě aplikace technologické operace a dále matematizací vzniklé drsnosti na bázi moderních statistických metod včetně prvků neuronových sítí, či fraktálové analýzy. Jako klíčový pojem je v tezích zavedeno dělení povrchů na povrchy s homogenní a heterogenní drsností a na způsobech jejich hodnocení. K tomuto je využita celá škála moderních statistických nástrojů na bázi diskriminační či shlukové analýzy, nechybí též aplikace klasické teorie hypotéz, ovšem v kontextu s odpovídajícími silofunkcemi.
V tezích je nastíněn i způsob hodnocení povrchů s využitím Hausdorff-Besicovitchovy fraktálové dimenze. Finálně je popsán způsob využití Rosenblatových perceptonů, za účelem sestavení neuronové sítě s jednou skrytou vrstvou, řešící vlastní diskriminaci drsnosti heterogenních povrchů.
Větší část předkládaných tezí byla publikována v časopisech obsažených v databázích WOS a SCOPUS, nebo byla součástí vydaných patentových spisů a uložených v „Databázi patentů a užitných vzorů“ v sekci národní databáze. |
cs |
dc.format |
66 |
cs |
dc.format.extent |
66 |
en |
dc.language.iso |
cs |
|
dc.publisher |
Univerzita Tomáše Bati ve Zlíně |
|
dc.rights |
Profesorské teze jsou přístupné elektronicky pouze v rámci univerzity. |
|
dc.subject |
drsnost technických povrchů
|
cs |
dc.subject |
vícerozměrná statistická analýza
|
cs |
dc.subject |
fraktálová analýza
|
cs |
dc.subject |
neuronové sítě
|
cs |
dc.subject |
technical surface roughness
|
en |
dc.subject |
multidimensional statistical analysis
|
en |
dc.subject |
fractal analysis
|
en |
dc.subject |
neural networks
|
en |
dc.title |
Moderní způsoby hodnocení drsnosti strojírenských povrchů na bázi matematické statistiky |
en |
dc.title.alternative |
Modern ways of assessing the roughness of engineering surfaces based on mathematical statistics |
en |
dc.type |
Book |
en |
dc.date.accepted |
2019-05-29 |
|
dc.description.abstract-translated |
In current scientific literature, the term "mathematical assessment of roughness of technical surfaces" can be considered as relatively low quoted. This term is part of the "Surface Integrity" assessment, where it forms the basic, yet relatively, small part of this global concept.
This is probably due to a "somewhat obsolete approach" to his assessment. The present thesis deals with the refinement of the term "surface roughness" based on application of technological operation and mathematization of the resulting roughness on the basis of modern statistical methods including elements of neural networks, or fractal analysis.
As a key concept, surfaces are divided into surfaces with homogeneous and heterogeneous roughness and methods of their evaluation. A wide range of modern statistical tools based on discriminatory or cluster analyses are used, and there is also the application of classical theory of hypotheses, but in the context of corresponding silofunctions.
The thesis also outlines the way of evaluation of surfaces using the Hausdorff-Besicovitch fractal dimension, the cover dimension. |
en |
dc.thesis.degree-discipline |
Nástroje a procesy |
en |
dc.date.submitted |
2018-03-10 |
|
Files in this item
This item appears in the following Collection(s)
Show simple item record
Search DSpace
Browse
-
All of DSpace
-
This Collection
My Account