Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Tytuł pozycji:

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

Tytuł:
A new ANN rheological model of a comply polymer in temperature spectrum
Nowy model reologiczny dla polimeru podatnego w spektrum temperatur uzyskany za pomocą sztucznych sieci neuronowych
Autorzy:
Stręk, Anna M.
Powiązania:
https://bibliotekanauki.pl/articles/2203413.pdf
Data publikacji:
2023
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Źródło:
Archives of Civil Engineering; 2023, 69, 1; 231--243
1230-2945
Język:
angielski
Prawa:
CC BY-NC-ND: Creative Commons Uznanie autorstwa - Użycie niekomercyjne - Bez utworów zależnych 3.0 PL
Dostawca treści:
Biblioteka Nauki
Artykuł
  Przejdź do źródła  Link otwiera się w nowym oknie
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 datawas 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.

Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies