×

用人工神经网络模拟热固性乙烯基酯纳米复合材料的粘弹性。 (英语) Zbl 07205484号

小结:在本工作中,我们使用人工神经网络(ANN)方法开发了一种工具,用于预测石墨纳米板增强乙烯基酯的有效粘弹性特性——储存和损耗模量。根据组分的体积分数、温度和加载频率获得了明确的结果。神经网络训练和测试的实验数据由动态机械分析仪(DMA)获得,包含153个数据集;训练集和测试集分别由随机选择的131个和22个集合组成。该模型的良好精度表明,人工神经网络在预测三个独立参数的粘弹性性质方面是有效的。

MSC公司:

76A10号 粘弹性流体
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] Al-Haik,M.S。;侯赛尼,M.Y。;Garmestani,H.,使用人工神经网络预测聚合物复合材料的非线性粘弹性行为,国际塑性杂志,221367-1392(2006)·Zbl 1161.74326号
[2] Aleksander,I。;莫顿,H.,《神经计算导论》,查普曼和霍尔(1990)
[3] Almagableh,A。;Mantena,R。;Alostaz,A。;拉巴巴,M。;Aljarrah,M。;Awad,A.S.,《填充乙烯基酯的剥离石墨板弹性模量建模:考虑填料渗流的分析预测》,《复合材料杂志》,49,1285-1290(2015)
[4] Almagableh,A。;Raju Mantena,P。;Alostaz,A.,纳米粘土和石墨板增强的乙烯基酯纳米复合材料的蠕变和应力松弛模型,应用聚合物科学杂志,1151635-1641(2010)
[5] Almagableh,A。;Al-Oqla,F.M。;Omari,M.A.,《预测纳米结构参数对碳纳米管聚合物基复合材料弹性性能的影响》,《国际性能工程杂志》,13,73-86(2017)
[6] Almagableh,A。;Mantena,P.R。;Alostaz,A。;刘伟。;Drzal,L.T.,溴化对乙烯基酯纳米复合材料粘弹性响应的影响,《eXPRESS聚合物快报》,3724-732(2009)
[7] Almagableh,A。;Mantena,Raju,爆炸和准静态弯曲载荷下乙烯基酯纳米复合材料的实验和有限元建模,应用聚合物科学杂志,1261895-1905(2012)
[8] Altarazi,S。;M.阿穆里亚。;Hijazi,A.,评估聚氯乙烯复合材料性能的人工神经网络建模,计算材料科学,153,1-9(2018)
[9] Balaji,N.S。;Jayabal,S.,玉米纤维聚酯复合材料力学行为的人工神经网络建模,机械工程师学会学报第E部分:过程机械工程杂志,230,45-55(2016)
[10] Barthélémy,J.F。;Giraud,A。;萨纳胡贾,J。;Sevostianov,I.,具有球状夹杂物的老化线性粘弹性介质的有效性质,《国际工程科学杂志》,144,文章103104,pp.(2019)·兹比尔1476.74015
[11] Bezerra,E.M。;安切洛蒂。;加利福尼亚州帕迪尼。;罗科,J.A.F.F。;Ihaa,K。;Ribeiro,C.H.C.,《用于碳纤维和E-玻璃纤维增强环氧树脂复合材料的人工神经网络:剪切力学性能分析》,材料科学与工程A,464177-185(2007)
[12] 伯加兹,E。;亚兹奇,M。;卡普苏兹,M。;Alisir,S.H。;Ozcanb,H.,用人工神经网络预测聚环氧乙烷/粘土纳米复合材料的热稳定性、结晶度和热机械性能,《热化学学报》,575,159-166(2014)
[13] Christensen,R.M.,《粘弹性理论》(1982),学术出版社
[14] Fausett,L.V.,《神经网络基础》(1994),普伦蒂斯·霍尔出版社·Zbl 0828.68107号
[15] Haykin,S.S.,《神经网络:综合基金会》(1998年),普伦蒂斯·霍尔出版社
[16] Ihesiulor,O。;Shankar,K。;张,Z。;Ray,T.,使用计算智能概念对错误和噪声污染的自然频率进行分层检测,复合材料B部分:工程,56906-925(2014)
[17] 江,Z。;Gyurova,L。;张,Z。;弗里德里希,K。;Schlar,A.K.,基于神经网络的短纤维增强聚酰胺复合材料机械和磨损性能预测,材料与设计,29628-637(2008)
[18] Lakes,R.,《粘弹性材料》(2009),剑桥大学出版社
[19] 列文,V。;Sevostianov,I.,使用分数指数算子对非均匀材料的有效粘弹性特性进行微观力学建模,《国际断裂杂志》,134,37-44(2005)·Zbl 1196.74170号
[20] Lee,J.A。;杏仁,D.P。;Harris,B.,《神经网络用于预测复合材料的疲劳寿命》,复合材料A,30,1159-1169(1999)
[21] 米兰达·巴博萨,洛杉矶。;戈麦斯,G。;Ancelotti,A.C.,使用人工神经网络预测基于碳纤维增强热塑性液体树脂的复合材料的温度-频率相关机械性能,国际先进制造技术杂志,104,1-14(2019)
[22] 努拉尼安,S。;Toghiani,H。;拉西,Th。;皮特曼,C。;Janice,D.,利用实验设计对气相生长碳纳米纤维/乙烯基酯纳米复合材料进行动态力学分析和优化,复合材料杂志,451647-1657(2011)
[23] 奥兹坎利,Y。;科索瓦利·恰武斯,F。;Beken,M.,pp/pet共混物的机械性能比较和人工神经网络建模,波兰生理学报A,130444-446(2016)
[24] Rabotnov,Yu N.,具有后效的弹性介质的平衡(俄语),应用数学与力学杂志(PMM),12,53-62(1948)·Zbl 0036.24903号
[25] 于拉博特诺夫。N.,《遗传固体力学要素》(1977年),和平号:和平号莫斯科·Zbl 0515.73026号
[26] Sankar,H。;Srikant,R。;Vamsi,K。;Bhujanga Rao,V。;Babu,P.,《含天然橡胶颗粒夹杂物的环氧玻璃纤维织物复合材料动态性能评估》,国际汽车与机械工程杂志(IJAME),第7期,第968-980页(2013年)
[27] Schapery,R.A.,粘弹性复合材料的应力分析,复合材料杂志,1228-267(1967)
[28] Scott Blair,G.W。;Coppen,F.M.V.,《软体弹性和塑性特性的主观判断:粘度和压缩模量的微分阈值》,英国皇家学会学报B,128,109-125(1939)
[29] Scott Blair,G.W。;Coppen,F.M.V.,《软材料硬度的估算》,《美国心理学杂志》,第56期,第234-246页(1943年)
[30] Sevostianov,I。;Levin,V.,遗传固体中球状孔隙的蠕变和松弛贡献张量:分数指数算子方法,机械学报,227217-227(2015)·Zbl 1382.74027号
[31] Sevostianov,I。;列文,V。;Radi,E.,线性粘弹性微裂纹材料的有效特性:麦克斯韦均匀化方案的应用,材料力学,84,28-43(2016)
[32] Sevostianov,I。;Mogilevskaya,S.G。;Kushch,V.I.,《估算有效性质的麦克斯韦方法:活的和好的》,《国际工程科学杂志》,140,35-88(2019)·Zbl 1425.74405号
[33] 斯米尔诺夫,A。;维尔切夫斯卡娅,E。;Sevostianov,I.,使用分形指数算符评估含有多个扁圆非均匀性的材料的有效粘弹性,《国际工程科学杂志》,144,第103124页,(2019)·Zbl 1476.74017号
[34] Swingler,K.,《应用神经网络:实用指南》(1996),学术出版社
[35] Volterra,V.,《自然方程的应用》,《数学学报》,第35期,第295-356页(1912年)·JFM 43.0431.03号
[36] 张,Z。;克莱因,P。;Friedrich,K.,《PTFE基短碳纤维增强复合材料的动态力学性能:实验和人工神经网络预测》,复合材料科学与技术,621001-1009(2002)
[37] 张,Z。;Friedrich,K.,《人工神经网络应用于聚合物复合材料:综述》,复合材料科学与技术,632029-2044(2003)
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。