J 2015

Usage of Neural Network to Predict Aluminium Oxide Layer Thickness

MICHAL, Peter, Alena VAGASKÁ, Miroslav GOMBÁR, Ján KMEC, Emil SPIŠÁK et. al.

Basic information

Original name

Usage of Neural Network to Predict Aluminium Oxide Layer Thickness

Name in Czech

Využití neuronové sítě v predikci tloušťky vrstvy hlinikovou oxidaci

Authors

MICHAL, Peter (703 Slovakia, guarantor), Alena VAGASKÁ (703 Slovakia), Miroslav GOMBÁR (703 Slovakia, belonging to the institution), Ján KMEC (703 Slovakia, belonging to the institution), Emil SPIŠÁK (703 Slovakia) and Daniel KUČERKA (703 Slovakia, belonging to the institution)

Edition

Scientific World Journal, New York, Hindawi Publishing Corporation, 2015, 2356-6140

Other information

Language

English

Type of outcome

Článek v odborném periodiku

Field of Study

10405 Electrochemistry

Country of publisher

United States of America

Confidentiality degree

není předmětem státního či obchodního tajemství

RIV identification code

RIV/75081431:_____/15:00000473

Organization unit

Institute of Technology and Business in České Budějovice

DOI

Keywords (in Czech)

Neuronová síť; Predikce; Tloušťka vrstvy oxidu hlinitého

Keywords in English

Neural Network; Prediction; Aluminium Oxide Layer Thickness

Tags

Změněno: 2/4/2016 00:23, Mgr. Václav Karas

Abstract

ORIG CZ

V originále

This paper shows an influence of chemical composition of used electrolyte, such as amount of sulphuric acid in electrolyte, amount of aluminium cations in electrolyte and amount of oxalic acid in electrolyte, and operating parameters of process of anodic oxidation of aluminium such as the temperature of electrolyte, anodizing time, and voltage applied during anodizing process. The paper shows the influence of those parameters on the resulting thickness of aluminium oxide layer. The impact of these variables is shown by using central composite design of experiment for six factors (amount of sulphuric acid, amount of oxalic acid, amount of aluminium cations, electrolyte temperature, anodizing time, and applied voltage) and by usage of the cubic neural unit with Levenberg-Marquardt algorithm during the results evaluation.The paper also dealswith current densities of 1Axdm-2 and 3Axdm-2 for creating aluminium oxide layer.

In Czech

Tento článek ukazuje vliv chemického složení použitého elektrolytu, jako je například množství kyseliny sírové v elektrolytu, množství hliníkových kationtů v elektrolytu a množství kyseliny šťavelové v elektrolytu, a provozních parametrů procesu anodické oxidace hliníku, jako je například teplota elektrolyt, eloxování čas, a napětí, aplikuje při eloxování proces. Článek ukazuje vliv těchto parametrů na výslednou tloušťku vrstvy oxidu hlinitého. Dopad těchto proměnných je znázorněno pomocí centrálního kompozitní konstrukce experimentu pro šest faktorů (množství kyseliny sírové, množství kyseliny šťavelové, množství hliníku kationtů, teplota elektrolytu, čas eloxování, a aplikované napětí), a prostřednictvím použití kubické nervové jednotky s Levenberg-Marquardt algoritmu při vyhodnocování výsledků. Článek se také zabýva proudovou hustotou 1Axdm-2 a 3Axdm-2 pro tvorbu vrstvy oxidu hliníku.