Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 1

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
Wyszukiwano:
w słowach kluczowych:  multilayer perceptron neural network (MLP)
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
EN
System of nanocoatings deposited by using physical vapour deposition is planned to be applied in the artificial heart prosthesis. Material models of these coatings are necessary for numerical design of these products and are crucial for accuracy of simulations. The objective of the present work is identification of parameters of material model of nanocoatings using two methods based on the nanoindentation test data: the classical inverse analysis and the artificial neural network metamodel. The inverse analysis is preceded by the development of FEM model dedicated to the nanoindentation test for the system of nanocoatings. The parameters of individual coating of the system are evaluated. In the second approach to decrease the computation cost, the metamodel is suggested. The metamodelling method is based on the artificial neural network technique. The achieved results confirm the usefulness of the presented solution in the identification of the material properties for the system of nanocoatings.
PL
System powłok, które są napylane za pomocą fizycznego osadzania z fazy gazowej, zaplanowano zastosować w sztucznej protezie serca. Znajomość modeli materiału omawianych powłok jest niezbędna do projektowania numerycznego tego produktu i kluczowa dla przeprowadzenia dokładnych symulacji. Celem niniejszej pracy jest identyfikacja parametrów modeli materiałów nanopowłok opierając się na wynikach z próby wciskania wgłębnika i stosując dwie metody numeryczne: klasyczną analizę odwrotną i metamodel zbudowany z użyciem sztucznych sieci neuronowych. Klasyczna analiza odwrotna została poprzedzona opracowaniem modelu elementów skończonych próby wciskania wgłębnika dla układu nanopowłok. Parametry modelu materiału każdej z powłok zostały określone. W drugim podejściu, aby obniżyć koszt obliczeniowy, zaproponowano wprowadzenie metamodelu. Tworzenie metamodelu polega na wprowadzeniu do rozwiązania sztucznych sieci neuronowych. Osiągnięte wyniki potwierdzają użyteczność zaprezentowanego rozwiązania do identyfikacji własności materiałów dla układu nanopowłok.
first rewind previous Strona / 1 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.