Trwałość zmęczeniowa tworzyw adhezyjnych jest istotna ze względu na problem trwałości zmęczeniowej konstrukcyjnych połączeń klejowych. Obiektem badań była kompozycja Epidian 57 utwardzana za pomocą trietylenotetraaminy dwiema metodami: 7 dni w temperaturze otoczenia lub 1h w temp. 60°. Badaniom poddawano próbki cylindryczne obciążane harmonicznym cyklem naprężeń ściskających. Określono przyrost temperatury spowodowany zmiennym obciążeniem oraz porównano trwałość zmęczeniową tworzywa w zależności od sposobu utwardzania. Zmierzono odkształcenia badanego materiału pod wpływem obciążenia zmęczeniowego w zależności od liczby cykli. Przeprowadzono analizę tych odkształceń za pomocą modelu Burgersa. Wykazano, że istotne znaczenie w procesie zniszczenia zmęczeniowego badanego tworzywa ma jego pełzanie w temperaturze otoczenia.
EN
Fatigue lives of adhesive plastics are important due to fatigue lives of constructional glue joints. Epidian 57 composition hardened with triethylenetetramine in two ways: either 7 days at ambient temperature or 1 hour at temp. 60° was the subject of research. Cylindrical samples loaded with harmonic cycles of compressive stresses were tested. Temperature increase caused by variable loading was determined and fatigue lives of plastics were compared dependently on hardening method. The strain of tested material under fatigue loading, dependently on the number of cycles, was measured. An analysis of strain of viscoelastic material under fatigue loading was done. It was demonstrated that the creep at ambient temperature is very important for the process of fatigue failure of the material tested.
2
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
The paper is related to where the standard BPNNs (Back-Propagation Neural Networks) were applied to the analysis of concrete fatigue durability. Failure is related to the number N of compressive load cycles causing fatigue damage of laboratory specimens. About 450 results on laboratory concrete specimen tests were taken from. The main goals of the paper are to improve the neural approximation performed by the standard BPNN and to extend neural simulation also for data given in intervals of concrete strength and cycle frequencies. That is why a neuro-fuzzy NN called for short FWNN (Fuzzy Weght NN) was applied. This approach enables us to be closer to the experimental reality.
PL
Standardową sieć BPNN (Back-Propagation Neural Network) ze wsteczną propagacją błędów zastosowano do analizy liczby cykli ściskających powodujących zniszczenie próbek betonowych. Wykorzystano około 450 wyników doświadczeń laboratoryjnych. Podstawowymi celami pracy było uściślenie neuronowej aproksymacji oraz rozszerzenie symulacji neuronowej na dane podane w postaci przedziałowych wartości wytrzymałości betonów. Powyższy cel zrealizowano za pomocą sieci neuro-rozmytej EWNN (Fuzzy Weight NN). Przedstawione podejście jest bliższe rzeczywistości doświadczalnej.
Omówiono zastosowania sztucznych sieci neuronowych do analizy niezawodności dźwigara stalowego, predykcji liczby cykli niszczących ściskane próbki betonowe, identyfikacji sił w śrubach węzłów podatnych, strojenia modeli MES oraz w diagnostyce i monitorowaniu elementów konstrukcji.
EN
The artificial neural networks applications in analysis of the following problems are discussed: reliability analysis of a steel girder, prediction of the number of load cycles causing fatigue damage of compressed concrete specimens, identification of bolts' forces in semi-rigid connections, updating of the finite element models and in diagnostics and health monitoring of structures members.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.