Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Sortuj według:

Ogranicz wyniki do:

A new ANN rheological model of a comply polymer in temperature spectrum

Stręk Anna M.

Archives of Civil Engineering

2023

Vol. 69, nr 1

231--243

The article presents modelling using artificial neural networks (ANN) of the phenomenon of creep of comply polymer SIKA PS which can be used in various applications in civil engineering. Data for modelling was gathered in compressive experiments conveyed under a set of fixed conditions of compressive stress and temperature. Part of the data was pre-processed by smoothing and rediscretisation and served as inputs and targets for network training and part of the data was left raw as control set for verification of prognosing capability. Assumed neural network architectures were one- and two-layer feedforward networks with Bayesian regularisation as a learning method. Altogether 55 networks with 8 to 12 neurons in varying structural configurations were trained. Fitting and prognosing verification was performed using mean absolute relative error as a measure; also, results were plotted and assessed visually. In result, the research allowed for formulation of a new rheological model for comply polymer SIKA PS in time, stress and temperature field domain with fitting quality of mean absolute relative error 1.3% and prognosis quality of mean absolute relative error 8.73%. The model was formulated with the use of a two-layer network with 5 + 5 neurons.

Polimery podatne stanowią ważny materiał wykorzystywany w budownictwie oraz inżynierii lądowej. Ich zastosowania obejmują często połączenia klejone elementów konstrukcyjnych, mogą być wykorzystane do wzmocnienia zabytkowych konstrukcji murowych w miejsce uszkodzonej zaprawy, a także jako warstwy łączące w zabezpieczeniach przeciwzderzeniowych budynków przy zagrożeniu trzesieniami ziemi, jak również jako składniki dylatacyjne. Podane przykłady nie wyczerpują oczywiście zakresu stosowalności rozważanego materiału w budownictwie, pokazują jednak, że w czasie pracy może być on poddany długotrwałym stałym obciążeniom (np. ciężar własny) oraz ekspozycji na podwyższone temperatury - np. bezpośrednie promieniowanie słoneczne na murowaną zabytkową elewację w gorącym klimacie lub obiekty specjalne, w których jest radiacja cieplna. Znajomość zachowania materiału poddanego obciążeniu długotrwałemu w podwyższonej temperaturze może być wykorzystana także do polepszenia ochrony pożarowej budowli. W artykule zaprezentowano badania służące opracowaniu modelu reologicznego dla polimeru podatnego PS SIKA oraz nowa propozycja takiego modelu. Zastosowano obliczenia z wykorzystaniem sztucznych sieci neuronowych, dla których dane uczące oraz dane kontrolne stanowiły wyniki eksperymentalne. Eksperymenty polegały na ściskaniu próbek walcowych o średnicy d = 27 mm i wysokości ℎ = 54 mm. Czas obciążania wynosił około 100 h, zastosowano warunki stałe temperatury {20, 40, 60, 80}° oraz stałe warunki naprezenia {0.5, 1.0, 2.0} MPa w 12 kombinacjach.

Verification of application of ANN modelling in study of compressive behaviour of aluminium sponges

Stręk Anna M., Dudzik Marek, Kwiecień Arkadiusz, Wańczyk Krzysztof, Lipowska Barbara

Engineering Transactions

2019

Vol. 67, iss. 2

271--288

This article presents a preliminary neural network analysis of the compressive behaviour of aluminium open-cell sponges and answers the question of whether this phenomenon can be modelled using artificial intelligence. The research consisted of two phases: first – compression experiments, which in turn provided data for the second phase – the artificial neural network (ANN) analysis. A two-argument function was proposed and tested using the gathered experimental data with a two-layer feedforward network. The determination coefficient R 2 for linear correlation between targets and modelling outputs was chosen as the criterion for the assessment of the quality of modelling. The obtained values were R 2 > 0.96, which shows that neural networks hold the capacity to address the characterisation of the mechanical response of aluminium open-cell sponges in compression. Additionally, the mean absolute relative error (MARE) and the mean square error (MSE) were also determined.