Informacja o cookies

Zgadzam się Nasza strona zapisuje niewielkie pliki tekstowe, nazywane ciasteczkami (ang. cookies) na Twoim urządzeniu w celu lepszego dostosowania treści oraz dla celów statystycznych. Możesz wyłączyć możliwość ich zapisu, zmieniając ustawienia Twojej przeglądarki. Korzystanie z naszej strony bez zmiany ustawień oznacza zgodę na przechowywanie cookies w Twoim urządzeniu.

Publikacje Pracowników Politechniki Lubelskiej

Publikacje Pracowników PL z lat 1990-2010

Publikacje pracowników Politechniki Lubelskie z lat 1990-2010 dostępne są jak dotychczas w starej bazie publikacji
LINK DO STAREJ BAZY

Status:
Autorzy: Kosicka Ewelina, Krzyżak Aneta, Szczepaniak Robert
Dyscypliny:
Aby zobaczyć szczegóły należy się zalogować.
Wersja dokumentu: Elektroniczna
Język: angielski
Strony: 149 - 149
Efekt badań statutowych NIE
Materiał konferencyjny: TAK
Nazwa konferencji: 24th International Conference on Composite Structures
Skrócona nazwa konferencji: ICCS24
URL serii konferencji: LINK
Termin konferencji: 14 czerwca 2021 do 16 czerwca 2021
Miasto konferencji: Porto
Państwo konferencji: PORTUGALIA
Publikacja OA: TAK
Licencja:
Sposób udostępnienia: Inne
Wersja tekstu: Ostateczna wersja opublikowana
Czas opublikowania: W momencie opublikowania
Data opublikowania w OA: 16 czerwca 2021
Abstrakty: angielski
Experimental determination of the properties of polymer composites can be a valuable source of information about the behavior of a given material, and the use of modern information technologies, such as artificial neural networks, gives the possibility of forecasting its properties while reducing the number of observations carried, bringing both economic and environmental benefits. The aim of the publication is to consider the possibility of using artificial neural networks as a model describing the impact of the percentage mass friction modifier on selected mechanical properties and the formation of abrasive wear of polymer composites used in aviation. Using of models of ANN will allow obtaining good generalizing (generalizing) properties resistant to the input of incorrect input data. The authors chosed ANNs for accurate recognizing the relationship between any sets of inputs and outputs (from tribological experiments) without formulating a physical model of a phenomenon under consideration. The research was carried out for aviation polymer composite are investigated with the matrix of L285- cured hardener H286 and six reinforcement layers of carbon fabric GG 280T and a physical modifier of friction in the form of alundum with changed mass share and grain size. The experiment data were used to build artificial neural network (ANN). The different various percentage mass shares parameters and grain sizes of alundum were used as inputs and the weight loss between the cycles and selected mechanical properties as output of the model. The predicted values of the ANN model were verified with the actual values. The proposed solution is an attempt to describe a complex nonlinear system which is tribological system. The authors see the potential of this method in planning research experiments. The model can help to reduce the number of samples produced. This is a time, economic and environmental advantage. However, it should be noted that the effectiveness of the ANN model crucially depends on the amount and generality of the training data.