The application of neural networks to property optimization of polymer compositions

• Autorzy: Fabijański M. , Garbarski J.

Identyfikatory

DOI

10.2478/amst-2016-0023

Warianty tytułu

PL

Sztuczne sieci neuronowe w doborze składu mieszaniny polimerowej

• Języki publikacji: EN

Abstrakty

EN

Preparation of multicomponent, non-flammable polymer-based mixture is time and labour consuming. Many technical attempts have to be carried out in order to obtain the best possible components ratio. That is why artificial neural networks were applied to extend the experimental field of research and to obtain both acceptable mechanical and flame properties of the material. In this paper the results of learning the neural networks as well as their performance at finding the optimum HIPS-based mixture are presented.

PL

Przygotowanie wieloskładnikowej, trudnopalnej mieszaniny polimerowej o prognozowanych właściwościach mechanicznych jest pracochłonne. Wymaga wykonania wielu prób technologicznych celem uzyskania prawidłowego składu mieszaniny polimerowej wieloskładnikowej z uwzględnieniem kryterium właściwości mechanicznych i palnościowych. Zastosowano zatem sztuczne sieci neuronowe w procesie doboru składników mieszaniny. Przedstawiono proces uczenia się sztucznych sieci neuronowych. Określono również ich wydajność w ustalaniu optymalnego składu mieszaniny na osnowie polistyrenu wysokoudarowego (HIPS).

Słowa kluczowe

EN

neural networks; flammability test; optimization of component ratio

PL

sieci neuronowe; test palności; optymalizacja proporcji doboru składników

• Wydawca: Komitet Budowy Maszyn PAN ; De Gruyter
• Czasopismo: Advances in Manufacturing Science and Technology
• Rocznik: 2016
• Tom: Vol. 40, nr 4
• Strony: 67--82
• Opis fizyczny: Bibliogr. 12 poz., rys., tab.

Twórcy

autor

Fabijański M.

• Warsaw University of Technology, Department of Plastics Processing, Narbutta st. 85, 02-524 Warsaw, Poland

autor

Garbarski J.

• Warsaw University of Technology, Department of Plastics Processing, Narbutta st. 85, 02-524 Warsaw, Poland

Bibliografia

• [1] Polymer flammability, Final Report, US Department of Transportation, Washington 2005.
• [2] P. JANKOWSKI, M. KĘDZIERSKI: Polystyrene with reduced flammability containing halogen-free flame retardants. Polimery, (2013)5, 342.
• [3] J. GARBARSKI, M. FABIJAŃSKI: The Properties of non-flammable mixture of high impact polystyrene and magnesium hydroxide modified with the admixture of the styrene-butadiene-styrene copolymer. Proc. III International Conference on Advances in Production Engineering – APE’ 2004, Warsaw 2004.
• [4] J. GARBARSKI, M. FABIJAŃSKI: Modification of flammable high-impact polystyrene using magnesium hydroxide. Proc. VII Conference "Polymer Modification”, Wroclaw 2003.
• [5] J. GARBARSKI, M. FABIJAŃSKI: Properties of high impact polystyrene flame retarded by magnesium hydroxide and modified with triblock copolymer styrene/butadiene/styrene. Polimery, 50(2005)3.
• [6] R. TADEUSIEWICZ: Neural networks. AOW, Warszawa 1993.
• [7] S. Haykin: Neural networks, a comprehensive foundation. New York 1994.
• [8] J. HERTZ, A. KROGH, R.G. PALMER: Introduction to the theory of neural computations. Addison-Wesley Longman Publishing Co., Boston 1991.
• [9] S. OSOWSKI: Neural networks for information processing. Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa 2000.
• [10] M. FABIJAŃSKI: Ph. D. Dissertation. Warsaw University of Technology, Warsaw 2006.
• [11] J. GARBARSKI, M. FABIJAŃSKI: Effect of mineral filler on the mechanical properties of flammable and plastic products. Proc. X Seminar Plastics in Mechanical Engineering. Kraków 2003.
• [12] J. GARBARSKI, M. FABIJAŃSKI: Effect of mineral filler in the combustibility of polymeric materials. Mechanical Review, (2003)7-8.

Uwagi

PL

Opracowanie ze środków MNiSW w ramach umowy 812/P-DUN/2016 na działalność upowszechniającą naukę (zadania 2017).