Baza Publikacji Pracowników Politechniki Lubelskiej

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.

Modelling of Shear Strength of Single Lap Adhesive Joints using Neural Networks