Podczas badań maszyn rolniczych często spotykamy się z problemem zakłóceń wyników pomiarów. Eliminacja zakłóceń, a zwłaszcza o charakterze losowym, jest trudna. Przedstawiono propozycję metody eliminacji zakłóceń o charakterze losowym z wykorzystaniem sztucznych sieci neuronowych. Uzyskane wyniki symulacji potwierdzają skuteczność zaproponowanej metody.
W pracy rozważa się problem wyznaczania spektrum relaksacji materiałów liniowo lepkosprężystych na podstawie dyskretnych pomiarów modułu relaksacji zgromadzonych w teście relaksacji naprężeń. Celem pracy jest analiza odporności algorytmów optymalnej aproksymacji spektrum relaksacji skończonymi szeregami funkcji bazowych na silne addytywne zakłócenia pomiarów modułu relaksacji. W pierwszej części pracy wyznaczono spektra relaksacji próbek rzeczywistego materiału biologicznego (buraka cukrowego odmiany Janus) na podstawie oryginalnych, silnie zakłóconych, pomiarów modułu relaksacji oraz danych poddanych filtracji. Zastosowanie wstępnej filtracji danych pomiarowych nie wpłynęło istotnie na wynik identyfikacji. W tej pracy pokazano, że badane algorytmy identyfikacji traktowane jako liniowe systemy dyskretne posiadają własności filtru dolnoprzepustowego. Zapewnia to ich odporność nawet na silne szybkozmienne deterministyczne zakłócenia pomiarowe. Podano widma amplitudowe algorytmów Laguerre'a i Legendre'a. Odporność algorytmów na zakłócenia pomiarów modułu relaksacji potwierdza analiza algebraiczna oparta o rozkład SVD macierzy.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.