Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: compaction curve

Sortuj według:

Ogranicz wyniki do:

Analiza zagęszczalności proszków aluminium o różnej wielkości cząstek

Kuta A., Latos T., Zaborowski K., Zasadziński J.

Rudy i Metale Nieżelazne Recykling

2015

R. 60, nr 12

785--788

W artykule zaprezentowano krzywe zagęszczalności proszków aluminium o różnej wielkości cząstek sporządzone podczas jednostronnego prasowania na zimno. Im większy rozmiar cząstki proszku, tym efektywniejsze zagęszczanie przy niższym ciśnieniu prasowania. Sprasowane wypraski mogą być wykorzystane do wyznaczenia krzywych umocnienia służących jako baza danych materiałowych do obliczeń numerycznych.

The paper presents compaction curves for aluminum powder mixtures of various particle sizes produced during cold onesided compression. The larger the particle size of the powder is, the more effective concentration at lower compaction pressure is obtained. Compressed compacts can be used to determine work-hardening curves used as material database for numerical analyses.

ANN-based modeling of fly ash compaction curve

Zabielska-Adamska K., Sulewska M. J.

Archives of Civil Engineering

2012

Vol. 58, nr 1

57-69

The use of fly ash as a material for earth structures involves its proper compaction. Fly ash compaction tests have to be conducted on separately prepared virgin samples because spherical ash grains are crushed during compaction, so the laboratory compaction procedure is time-consuming and laborious. The aim of the study was to determine the neural models for prediction of fly ash compaction curve shapes. The attempt of applying the artificial neural networks type MLP was made. ANN inputs were new-created variables - principal components dependent on grain-size distribution (as D10-D90 and uniformity and curvature coefficients), compaction method, and fly ash specific density. The output vectors were presented by coordinates of generated compaction curve points. Each point was described by two independent ANNs. Using ANN-based modelling method, models which enable establishing the approximate compaction curve shape were obtained.

Wykorzystanie popiołu lotnego do konstrukcji ziemnych wymaga jego właściwego zagęszczenia. Zagęszczanie powoduje wzrost gęstości gruntu, zwiększa jego wytrzymałość i zdolność do przenoszenia obciążeń, a także zmniejsza ściśliwość i przepuszczalność. Oznaczenie zagęszczalności popiołu lotnego musi być przeprowadzane na próbkach jednokrotnie zagęszczanych, ponieważ sferyczne ziarna popiołu są niszczone w trakcie ubijania, w związku z tym, laboratoryjne ustalenie krzywej zagęszczalności popiołu jest bardzo czasochłonne. Celem artykułu było wykorzystanie modelowania neuronowego do prognozy kształtu krzywej zagęszczalności popiołu lotnego. Podjęto próbę zastosowania sztucznych sieci neuronowych SSN typu MLP do opisu punktów krzywej zagęszczalności. Każdy punkt krzywej został opisany przez dwie niezależne SSN. Wykorzystano SSN o różnych wejściach, którymi były nowo utworzone zmienne- składowe główne, zależne od uziarnienia (średnic efektywnych d10-d90 oraz wskaźników jednorodności i krzywizny uziarnienia), metody zagęszczenia oraz gęstości właściwej szkieletu gruntowego pdi. Wektorami wyjścia były współrzędne punktów krzywej zagęszczalności popiołu lotnego. Najlepszymi sieciami neuronowymi były sieci o topologii: 6-3-1, 6-2-1 i 6-4-1 dla prognozy wartości wilgotności wi, oraz 5-3-1 i 6-3-1 dla predykcji wartości gęstości objętościowej szkieletu gruntowego. Uzyskano sieci neuronowe o zadowalającej precyzji, szczególnie w przypadku wartości pdi. Modelowanie krzywej za pomocą SSN umożliwiło ustalenie przybliżonego kształtu krzywej zagęszczalności popiołu lotnego.