Wyniki wyszukiwania - BazTech

Ograniczanie wyników

1 Fibres & Textiles in Eastern Europe

1 2006

Powiadomienia systemowe

Sesja wygasła!
Sesja wygasła!
Sesja wygasła!
Sesja wygasła!
Sesja wygasła!

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Sortuj według:

Ogranicz wyniki do:

The Prediction of Elongation and Recovery of Woven Bi - Stretch Fabric Using Artificial Neural Network and Linear Regression Models

Ogulata S. N., Sahin C., Ogulata R. T., Balci O.

Fibres & Textiles in Eastern Europe

2006

Vol. 14, no. 2 (56)

46--49

Stretch woven fabrics are widely used because of their good elongation and recovery (residual extension) properties. Several parameters and test method are used to measure the properties of these fabrics. Each different set of test parameters means a different test application. Sometimes, repeating tests for different test involves wasting time and labour. In this study, the test results were used to try and predict elongation and recovery using neural network and linear regression models. Certain test parameters such as rate of extension, gauge length (jaw separation), and maximum load were selected as input variables. The accuracies of predictions of elongation in the direction of warp and weft by both models were found to be similar and satisfactory. The predictions for the recovery test showed differences as to fabric warp and weft direction. All the statistical results indicate that predicting the fabrics’ test results from an unseen data set is very good for both models.

Tkaniny elastyczne są szeroko stosowane ze względu na swoje dobre właściwości rozciągowe i odprężeniowe (wydłużenie szczątkowe). Szereg metod pomiarowych i parametrów stosuje się dla określenia właściwosci tych tkanin. Każdy, różniący się od innych zestaw parametrów danego testu oznacza inne zastosowanie tegoż testu. Czasami powtarzanie różnych testów oznacza stratę czasu i zastosowanych nakładów. W przedstawionej pracy, wyniki testów zastosowano dla próby przewidzenia wydłużenia i odprężenia za pomocą sztucznych sieci neuronowych i modeli regresji liniowej. Pewne parametry testów, takie jak szybkość wydłużenia, długość próbki (rozstaw szczęk) i maksymalne obciążenie zostały wyselekcjonowane jako zmienne wejściowe. Stwierdzono, że dokładność przewidywania wydłużenia w kierunku osnowy i wątku uzyskana obydwoma metodami jest podobna i zadawalająca. Przewidywanie odprężenia w kierunku osnowy i wątku było zróżnicowane. Wszystkie wyniki analiz statystycznych wykazują, że przewidywanie zachowania się tkanin za pomocą obydwu modeli daje bardzo dobre rezultaty.