Analyse des paramètres de performance d'un moteur Peugeot XD3P à l'aide d'un réseau neuronal artificiel (ANN)

CHF 40.90
Auf Lager
SKU
GVVB9MSTCSL
Stock 1 Verfügbar
Geliefert zwischen Mi., 04.02.2026 und Do., 05.02.2026

Details

Les tendances actuelles en ingénierie suivent la règle fondamentale de l'innovation dans le domaine de l'ingénierie mécanique. Pour que les ingénieurs soient efficaces, les aspects liés à la résolution de problèmes doivent être considérés dans une perspective multidimensionnelle. L'une des méthodologies mises en oeuvre consiste à fusionner des technologies issues d'autres disciplines afin de résoudre les problèmes. Ce travail traite principalement de l'application des réseaux neuronaux afin d'analyser les paramètres de performance d'un moteur Peugeot XD3P (utilisé par le ministère de la Défense). La propagande de base du travail est divisée en deux étapes principales. Dans la première étape, une expérimentation d'un moteur à combustion interne est réalisée afin d'obtenir les données primaires. Dans la deuxième étape, la base de données primaire ainsi constituée est utilisée pour concevoir et mettre en oeuvre un réseau neuronal prédictif afin d'analyser la variation des paramètres de sortie les uns par rapport aux autres. Un modèle mathématique pour le réseau neuronal est obtenu. L'équation polynomiale obtenue décrit le comportement caractéristique du système de réseau neuronal construit. Enfin, une étude comparative des résultats est réalisée afin d'évaluer ses performances.

Autorentext

Ha conseguito la laurea in Ingegneria Meccanica presso la Visvesvaraya Technological University. Ha ottenuto il primo posto nel Master presso l'Università di Bangalore. Attualmente lavora come assistente professore presso il Bangalore Institute of Technology. I suoi principali ambiti di interesse sono la scienza termica, la CFD e i materiali avanzati.


Klappentext

Les tendances actuelles en ingénierie suivent la règle fondamentale de l'innovation dans le domaine de l'ingénierie mécanique. Pour que les ingénieurs soient efficaces, les aspects liés à la résolution de problèmes doivent être considérés dans une perspective multidimensionnelle. L'une des méthodologies mises en uvre consiste à fusionner des technologies issues d'autres disciplines afin de résoudre les problèmes. Ce travail traite principalement de l'application des réseaux neuronaux afin d'analyser les paramètres de performance d'un moteur Peugeot XD3P (utilisé par le ministère de la Défense). La propagande de base du travail est divisée en deux étapes principales. Dans la première étape, une expérimentation d'un moteur à combustion interne est réalisée afin d'obtenir les données primaires. Dans la deuxième étape, la base de données primaire ainsi constituée est utilisée pour concevoir et mettre en uvre un réseau neuronal prédictif afin d'analyser la variation des paramètres de sortie les uns par rapport aux autres. Un modèle mathématique pour le réseau neuronal est obtenu. L'équation polynomiale obtenue décrit le comportement caractéristique du système de réseau neuronal construit. Enfin, une étude comparative des résultats est réalisée afin d'évaluer ses performances.

Weitere Informationen

  • Allgemeine Informationen
    • GTIN 09786209253478
    • Genre Physique et d'astronomie
    • Anzahl Seiten 52
    • Herausgeber Editions Notre Savoir
    • Untertitel DE
    • Autor Madhu Sudan M. Gowda
    • Titel Analyse des paramètres de performance d'un moteur Peugeot XD3P à l'aide d'un réseau neuronal artificiel (ANN)
    • Veröffentlichung 17.11.2025
    • ISBN 978-620-9-25347-8
    • Format Kartonierter Einband
    • EAN 9786209253478
    • Jahr 2025
    • Größe H220mm x B150mm
    • Sprache Französisch

Bewertungen

Schreiben Sie eine Bewertung
Nur registrierte Benutzer können Bewertungen schreiben. Bitte loggen Sie sich ein oder erstellen Sie ein Konto.
Made with ♥ in Switzerland | ©2025 Avento by Gametime AG
Gametime AG | Hohlstrasse 216 | 8004 Zürich | Schweiz | UID: CHE-112.967.470
Kundenservice: customerservice@avento.shop | Tel: +41 44 248 38 38