Fatigue Life Predictions of Metal Matrix Composites Using Artificial Neural Networks

• Autorzy: Uygur I. , Cicek A. , Toklu E. , Kara R. , Saridemir S.

Identyfikatory

DOI

10.2478/amm-2014-0016

Warianty tytułu

PL

Przewidywania trwałości zmęczeniowej kompozytów metalowych przy użyciu sztucznych sieci neuronowych

• Języki publikacji: EN

Abstrakty

EN

In this study, fatigue life predictions for the various metal matrix composites, R ratios, notch geometries, and different temperatures have been performed by using artificial neural networks (ANN) approach. Input parameters of the model comprise various materials (M), such as particle size and volume fraction of reinforcement, stress concentration factor (Kt), R ratio (R), peak stress (S), temperatures (T), whereas, output of the ANN model consist of number of failure cycles. ANN controller was trained with Levenberg-Marquardt (LM) learning algorithm. The tested actual data and predicted data were simulated by a computer program developed on MATLAB platform. It is shown that the model provides intimate fatigue life estimations compared with actual tested data.

PL

Zastosowano sztuczne sieci neuronowe (ANN) do przewidywania trwałości zmęczeniowej dla różnych kompozytów metalowych, parametrów R, geometrii karbu, i różnych temperatur. Parametry wejściowe modelu obejmowały: różne materiały (M), o różnym rozmiarze cząstek i objętosci frakcji zbrojącej, współczynnik koncentracji naprężeń (Kt), stosunek parametru R (R), naprężenie szczytowe (S), temperaturę (T), natomiast dane wyjściowe składały się z liczby cykli awarii (SSN). Kontroler ANN był trenowany z użyciem algorytmu uczenia Levenberga-Marquardta (LM). Badane dane rzeczywiste i dane przewidywane symulowane były przez program komputerowy opracowany na platformie MATLAB. Wykazano, że model zapewnia oszacowanie trwałości zmęczeniowej bliską rzeczywistym danym badanym.

Słowa kluczowe

EN

MMCs; fatigue life prediction; artificial neural networks

PL

MMCs; przewidywania trwałości zmęczeniowej; sztuczne sieci neuronowe

• Wydawca: Institute of Metallurgy and Materials Science of Polish Academy of Sciences ; Committee of Materials Engineering and Metallurgy of Polish Academy of Sciences
• Czasopismo: Archives of Metallurgy and Materials
• Rocznik: 2014
• Tom: Vol. 59, iss. 1
• Strony: 97--103
• Opis fizyczny: Bibliogr. 26 poz., rys., tab.

Twórcy

autor

Uygur I.

• Duzce University, Faculty of Engineering, Department of Mechanical Engineering, 81620, Duzce, Turkey

autor

Cicek A.

• Yi Ldirim Beyazit University, Faculty of Engineering and Natural Sciences, Department of Mechanical Engineering, Ankara, Turkey

autor

Toklu E.

• Duzce University, Faculty of Engineering, Department of Mechanical Engineering, 81620, Duzce, Turkey

autor

Kara R.

• Duzce University, Faculty of Engineering, Department of Computer Engineering, 81620, Duzce, Turkey

autor

Saridemir S.

• Duzce University, Faculty of Technology, Department of Manufacturing Engineering, Duzce, Turkey

Bibliografia

• [1] I. Uygur, Iranian J. Sci. Technol. 28B2, 239 (2004).
• [2] I. Uygur, W. J. Evans, M. R. Bache, B. Gulenc, Metallo. Novei. Tekhnol. 26, 927 (2004).
• [3] I. Uygur, M. K. Kulekci, Turk. J. Eng. Env. Sci. 26, 265 (2002).
• [4] J. Schije, Int. J. Fatigue 25, 679 (2003).
• [5] I. Uygur, PhD Thesis (Swansea: University of Wales: 1999).
• [6] H. Ates, Mater. & Design 28, 2015 (2007).
• [7] J. A. Lee, D. P. Almond, B. Harris, Composites 30A, 1159 (1999).
• [8] I. Uygur, Archives of Metal. & Mater. 56(1), 109 (2011).
• [9] D. Karayel, Journal of Materials Processing Technology 209, 3125 (2009).
• [10] E. Oztemel, Artificial Neural Network. Istanbul, Papatya Publishing, 2003.
• [11] G. Najafi, B. Ghobadian, T. Tavakoli, D. R. Buttsworth, T. F. Yusaf, M. Faizollahnejad, Applied Energy 86, 630 (2009).
• [12] N. Pasadakis, S. Sourligas, C. Foteinopoulo s, Fuel 85, 1131 (2006).
• [13] G. Liu, L. Wang, H. Qu, H. Shen, X. Zhang, Fuel 86, 2551 (2007).
• [14] E. Jorjani, S. C. Chelgani, S. Mesroghli, Fuel 87, 2727 (2008).
• [15] M. Nalbant, H. Gokkaya, I. Toktas, G. Sur, Robotics and Computer-Integrated Manufacturing 25, 211 (2009).
• [16] E. Arcaklıoğlu, I. Çelikten, Applied Energy 80, 11 (2005).
• [17] B. Ghobadian, H. Rahimi, A. M. Nikbakht, G. Najafi, T. F. Yusaf, Renewable Energy 34, 976 (2009).
• [18] A. Parlak, Y. Islamoğlu, H. Yaşar, A. Eğrisöğüt, Applied Thermal Engineering 26, 824 (2006).
• [19] T. F. Yusaf, D. R. Buttsworth, K. H. Saleh, B. F. Yousif, Applied Energy 87, 1661 (2010).
• [20] C. Sayın, H. M. Ertunç, M. Hosoz, I. Kılıcaslan, M. Çanakcı, Applied Thermal Engineering 27, 46 (2007).
• [21] A. Kurt, Expert Systems with Applications 36, 9645 (2009).
• [22] I. Korkut, A. Acır, M. Boy, Expert Systems with Applications 38, 11651 (2011).
• [23] M. Al-Assadi, H. El-Kadi, I. M. Deiab, Appl. Compos. Mater. 17, 1 (2009).
• [24] H. Ates, Mater. & Design 28, 2015 (2007).
• [25] A. P. Vassilopoulos, E. F. Georgopoulos, T. Keller, Int. J. Fatigue 30, 1634 (2008).
• [26] J. C. S. F. Junior, A. D. D. Neto, E. M. F. Aquino, Int. J. Fatigue 272, 746 (2005).