跳转到主要内容

应用人工神经网络预测软木橡皮复合材料的力学行为

神经计算和应用体积33,页面14069 - 14078 (2021年)引用这篇文章

文摘

软木橡皮复合材料是材料,可以用于不同的应用程序从工业建筑领域。它的一个应用程序建立隔振。的一个主要要求这些材料的设计支持静态抗压载荷的能力。在这项研究中,基于形状系数和硬度的软木橡皮块,应用人工神经网络方法,对明显的压缩模量的预测,评估。大型数据库与压缩试验结果用于神经网络的训练和测试。使用早期停止的方法,进行了几项研究关于人工神经网络架构和培训:在隐层神经元的数量,改变训练参数和数据集划分方法。神经网络的隐层神经元和三个被证明是更有效的没有过度拟合,提出预测和测量结果之间的通信。使用不同的方法来划分数据集通过不同的发展阶段也会影响模型的性能。比较与其他型号的性能在文献中显示选择ANN模型证明,在大多数情况下,关于这些材料有更好的性能。

这是一个预览的订阅内容,通过访问你的机构。

访问选项

买一条

即时访问全文PDF。

39.95美元

价格包括增值税(美国)
税计算期间将完成付款。

图1
图2
图3
图4
图5
图6
图7
图8
图9
图10

引用

  1. 1。

    城区,Vogtlander J (2013) Eco-efficient价值创造的软木产品:LCA-based方法设计干预。J清洁Prod 57:101 - 114。https://doi.org/10.1016/j.jclepro.2013.04.023

    文章谷歌学术搜索

  2. 2。

    吉尔·L(2009)软木复合材料:审查。材料2:776 - 789。https://doi.org/10.3390/ma2030776

    文章谷歌学术搜索

  3. 3所示。

    席尔瓦SP,落羽杉妈,费尔南德斯EM et al(2005)软木:属性、功能和应用。Int板牙50:345牧师- 365。https://doi.org/10.1179/174328005X41168

    文章谷歌学术搜索

  4. 4所示。

    绅士(1958)在压痕硬度和杨氏模量之间的关系。橡胶化学抛光工艺31:896 - 906

    文章谷歌学术搜索

  5. 5。

    BS 903的方法测试硫化橡胶部分19(1950)和部分A7 (1957)

  6. 6。

    气黄建忠、乔伊斯·K,博伊斯MC(2003)硬度和弹性材料的应力-应变行为。橡胶化学抛光工艺76:419 - 435。https://doi.org/10.5254/1.3547752

    文章谷歌学术搜索

  7. 7所示。

    昆兹J,瑞士思德利公司M(2006)确定弹性模量通过岸边压缩硬度。Kunststoffe Int 96:92 - 94

    谷歌学术搜索

  8. 8。

    绅士与橡胶(2012)工程:如何设计橡胶组件。卡尔汉斯- GmbH & Co KG

    书谷歌学术搜索

  9. 9。

    Budescu M, Fediuc Fediuc V, Venghiac伏特计(2013)弹性体的压缩模量。但本月Politeh遍布的教派Constructii Arhitectura 59:157 - 166

    谷歌学术搜索

  10. 10。

    绅士,林德利PB(1959)保税橡胶块的压缩。Mech Proc本月Eng 173:111 - 122。https://doi.org/10.1243/PIME

    文章谷歌学术搜索

  11. 11。

    林德利PB(1979)压缩模块软弹性材料连着刚性端盘子。肛门Eng设计14:11-16

    文章谷歌学术搜索

  12. 12。

    霍顿JM Tupholme通用电气,戈夫澳门(2002)轴向加载保税橡胶块。J:机械69:836 - 843。https://doi.org/10.1115/1.1507769

    文章数学谷歌学术搜索

  13. 13。

    威廉姆斯詹,Gamonpilas C(2008)使用简单的压缩试验来确定杨氏模量,泊松比和库仑摩擦系数。Int J固体结构45:4448 - 4459。https://doi.org/10.1016/j.ijsolstr.2008.03.023

    文章数学谷歌学术搜索

  14. 14。

    Khanam PN, AlMaadeed妈,AlMaadeed年代et al(2016)的机械和热性能优化和预测石墨烯/ LLDPE纳米复合材料通过使用人工神经网络。Int聚合物Sci 2016:15 J

    文章谷歌学术搜索

  15. 15。

    Altarazi年代,Ammouri M, Hijazi(2018)人工神经网络建模评估聚氯乙烯复合材料的性质。第一版Sci 153:1-9母校呢。https://doi.org/10.1016/j.commatsci.2018.06.003

    文章谷歌学术搜索

  16. 16。

    Bustillo, Urbikain G,佩雷斯JM et al (2018) friction-drilling过程的智能优化基于提高集合体。J Manuf系统48:108 - 121。https://doi.org/10.1016/j.jmsy.2018.06.004

    文章谷歌学术搜索

  17. 17所示。

    Ly H-B Van DD,陈SH et al(2019)的人工智能方法预测地质聚合物混凝土的抗压强度。材料12:983。https://doi.org/10.3390/ma12060983

    文章谷歌学术搜索

  18. 18岁。

    凌Y,王K,王X,李W(2021)预测全美浮尘地质聚合物使用人工神经网络的工程性质。神经第一版:33:85 - 105。https://doi.org/10.1007/s00521 - 019 - 04662 - 3

    文章谷歌学术搜索

  19. 19所示。

    李王Y,吴X, X et al(2020)的预测和分析奥氏体不锈钢的抗拉特性使用人工神经网络。金属10:234。https://doi.org/10.3390/met10020234

    文章谷歌学术搜索

  20. 20.

    张Z,弗里德里希·K(2003)人工神经网络应用于聚合物复合材料:一个回顾。心神Sci抛光工艺63:2029 - 2044。https://doi.org/10.1016/s0266 - 3538 (03) 00106 - 4

    文章谷歌学术搜索

  21. 21。

    沙W,爱德华兹KL(2007)使用人工神经网络在材料科学基础研究。板牙Des 28:1747 - 1752。https://doi.org/10.1016/j.matdes.2007.02.009

    文章谷歌学术搜索

  22. 22。

    湘KL、湘PY吴YP(2014)天然橡胶复合材料的疲劳寿命预测的人工神经网络方法。板牙Des 57:180 - 185。https://doi.org/10.1016/j.matdes.2013.12.044

    文章谷歌学术搜索

  23. 23。

    Sankar人力资源,Srikant RR,克里希纳PV et al(2013)估计环氧玻璃纤维织物复合材料的动态性能与天然橡胶粒子夹杂物。汽车机械Eng 7:968 Int J - 980

    文章谷歌学术搜索

  24. 24。

    Karaaǧac B,脊柱,Deniz V(2009)人工神经网络方法预测橡胶化合物的最佳治疗时间。板牙Des 30:1685 - 1690。https://doi.org/10.1016/j.matdes.2008.07.010

    文章谷歌学术搜索

  25. 25。

    C·伊格莱西亚斯,Anjos O,马丁内斯J et al(2015)的预测软木的张力特性使用神经网络从其物理性质。J木木材促使73:347 - 356欧元。https://doi.org/10.1007/s00107 - 015 - 0885 - 1

    文章谷歌学术搜索

  26. 26岁。

    加西亚,Anjos O、C·伊格莱西亚斯et al(2015)的预测机械强度下的软木压缩使用机器学习技术。板牙Des 82:304 - 311。https://doi.org/10.1016/j.matdes.2015.03.038

    文章谷歌学术搜索

  27. 27。

    耆那教的AK,毛泽东J, Mohiuddin公里(1996)人工神经网络:一个教程。电脑29:31-44。https://doi.org/10.1109/2.485891

    文章谷歌学术搜索

  28. 28。

    比尔米、Hagan米德穆斯H(2019)深学习MATLAB工具箱TM用户指南R2019b。MathWorks公司。

  29. 29。

    Plaut D,诺兰,辛顿G(1986)通过反向传播学习实验。技术报告cmu - cs - 86 - 126

  30. 30.

    Prechelt L(1998)早期停止-但是当吗?:奥尔GB,穆勒K-R (eds)神经网络:贸易的技巧。beplay登入施普林格,柏林,55 - 69页

    章谷歌学术搜索

  31. 31日。

    Levenberg K(1944)方法对某些非线性最小二乘问题的解决方案。问:数学2:164 - 168。https://doi.org/10.1090/qam/10666

    MathSciNet文章数学谷歌学术搜索

  32. 32。

    马夸特医生DW(1963)非线性参数的最小二乘估计的算法。J Soc印第安纳州数学11:431 - 441。https://doi.org/10.1137/0111030

    MathSciNet文章数学谷歌学术搜索

  33. 33。

    于H, Wilamowski BM (2011) Levenberg-Marquardt培训。:Wilamowski BM,欧文JD (eds)智能系统:工业电子手册,第二版。CRC出版社,波卡拉顿

    谷歌学术搜索

  34. 34。

    Lopes H,席尔瓦,Machado J(2020)分析形状因子的影响在软木橡皮复合材料微小应变压缩。:Sci 10:7177。https://doi.org/10.3390/App10207177

    文章谷歌学术搜索

下载参考

确认

作者感谢FCT-Fundacao对位Ciencia e Tecnologia财务支持这项工作通过奖学金SFRH / BD / 136700/2018和阿莫林软木复合材料。这项工作已经由FCT-Fundacao para Ciencia e Tecnologia在项目研发单位范围:UIDP / 04077/2020 / 04077/2020选答。

资金

这项研究是由Fundacao对位Ciencia e Tecnologia(格兰特SFRH数量/ BD / 136700/2018),由公司阿莫林科钦复合材料,同时,在项目研发单位资助范围:UIDP / 04077/2020 / 04077/2020选答,Fundacao para Ciencia e Tecnologia。

作者信息

从属关系

  1. 指标研究中心,米尼奥大学校园Azurem, 4800 - 058年,葡萄牙吉马良斯

    海伦娜洛佩斯和何塞•马查多

  2. 阿莫林软木复合材料,Rua merico费雷拉阿莫林,Comendador A260, 4535 - 186, Mozelos目视,葡萄牙

    苏珊娜·p·席尔瓦

作者
  1. 海伦娜洛佩斯
    看来作者出版物

    你也可以搜索这个作者PubMed谷歌学术搜索

  2. 苏珊娜·p·席尔瓦
    看来作者出版物

    你也可以搜索这个作者PubMed谷歌学术搜索

  3. 何塞•马查多
    看来作者出版物

    你也可以搜索这个作者PubMed谷歌学术搜索

相应的作者

对应到海伦娜洛佩斯。

道德声明

的利益冲突

作者宣称没有利益冲突。

额外的信息

出版商的注意

beplay登入施普林格自然保持中立在发表关于司法主权地图和所属机构。

权利和权限

再版和权限

关于这篇文章

验证通过CrossMark货币和真实性

引用这篇文章

洛佩斯,H。,Silva, S.P. & Machado, J. Application of artificial neural networks to predict mechanical behaviour of cork-rubber composites.神经第一版&品33岁的14069 - 14078 (2021)。https://doi.org/10.1007/s00521 - 021 - 06048 - w

下载引用

关键字

  • 人工神经网络
  • 明显的压缩模量
  • 形状系数
  • 硬度