![](/static/ps_publications/img/chapter-icon.png)
Modelling of Shear Strength of Single Lap Adhesive Joints using Neural Networks
Fragment książki (Rozdział monografii pokonferencyjnej)
MNiSW
20
Poziom I
Status: | |
Autorzy: | Kulisz Monika, Biruk-Urban Katarzyna |
Dyscypliny: | |
Aby zobaczyć szczegóły należy się zalogować. | |
Wersja dokumentu: | Elektroniczna |
Język: | angielski |
Strony: | 41 - 45 |
Scopus® Cytowania: | 0 |
Bazy: | Scopus | IEEE Xplore |
Efekt badań statutowych | NIE |
Materiał konferencyjny: | TAK |
Nazwa konferencji: | 11th International Workshop on Metrology for AeroSpace |
Skrócona nazwa konferencji: | 11th MetroAeroSpace 2024 |
URL serii konferencji: | LINK |
Termin konferencji: | 3 czerwca 2024 do 5 czerwca 2024 |
Miasto konferencji: | Lublin |
Państwo konferencji: | POLSKA |
Publikacja OA: | NIE |
Abstrakty: | angielski |
This paper presents a study on the application of artificial neural networks to predict the shear strength of single lap adhesive joints. The study uses a Matlab environment to model the strength based on two main input parameters: the type of adhesive composition (including different fillers) and temperature. The neural network models trained with Levenberg-Marquardt, Scaled Conjugate Gradient, and Bayesian Regularization algorithms were compared. The study found that the Levenberg-Marquardt algorithm achieved the best prediction accuracy with the least computational complexity. The results indicate that it's possible to accurately predict shear strength in adhesive bonds, a finding that could significantly benefit the design of adhesive bonds. |