KOPAL, Ivan, Marta HARNIČÁROVÁ, Jan VALÍČEK, Jan KRMELA and Ondrej LUKAC. Radial Basis Function Neural Network-Based Modeling of the Dynamic Thermo-Mechanical Response and Damping Behavior of Thermoplastic Elastomer Systems. Polymer Science. BASEL, SWITZERLAND: MDPI, vol. 11, No 6, p. nestránkováno, 20 pp. ISSN 2073-4360. doi:10.3390/polym11061074. 2019.
Other formats:   BibTeX LaTeX RIS
Basic information
Original name Radial Basis Function Neural Network-Based Modeling of the Dynamic Thermo-Mechanical Response and Damping Behavior of Thermoplastic Elastomer Systems
Name in Czech Modelování neurální sítě založené na principu radiální základny dynamické termomechanické odezvy a tlumení chování termoplastických elastomerních systémů
Authors KOPAL, Ivan (703 Slovakia, guarantor), Marta HARNIČÁROVÁ (203 Czech Republic, belonging to the institution), Jan VALÍČEK (203 Czech Republic, belonging to the institution), Jan KRMELA (703 Slovakia) and Ondrej LUKAC (703 Slovakia).
Edition Polymer Science, BASEL, SWITZERLAND, MDPI, 2019, 2073-4360.
Other information
Original language English
Type of outcome Article in a journal
Field of Study 20505 Composites
Country of publisher Switzerland
Confidentiality degree is not subject to a state or trade secret
WWW URL
RIV identification code RIV/75081431:_____/19:00001555
Organization unit Institute of Technology and Business in České Budějovice
Doi http://dx.doi.org/10.3390/polym11061074
UT WoS 000473819100146
Keywords (in Czech) Klíčová slova autora: umělé neuronové sítě; radiální základní funkce; termoplastické polyurethany; viskoelastické vlastnosti; dynamická mechanická analýza; KeyWords Plus: PŘECHODNÉ TEPLOTY; MECHANICKÉ VLASTNOSTI; POLYURETAN; PŘEDPOVĚĎ; POLYMÉRY
Keywords in English "Author Keywords:artificial neural networks; radial basis functions; thermoplastic polyurethanes; visco-elastic properties; dynamic mechanical analysis ; KeyWords Plus:TRANSITION-TEMPERATURES; MECHANICAL-PROPERTIES; POLYURETHANE; PREDICTION; POLYMERS "
Tags MSP, RIV19, WOS
Changed by Changed by: Mgr. Milada Šanderová, učo 25742. Changed: 22/4/2020 14:19.
Abstract
The presented work deals with the creation of a new radial basis function artificial neural network-based model of dynamic thermo-mechanical response and damping behavior of thermoplastic elastomers in the whole temperature interval of their entire lifetime and a wide frequency range of dynamic mechanical loading. The created model is based on experimental results of dynamic mechanical analysis of the widely used thermoplastic polyurethane, which is one of the typical representatives of thermoplastic elastomers. Verification and testing of the well-trained radial basis function neural network for temperature and frequency dependence of dynamic storage modulus, loss modulus, as well as loss tangent prediction showed excellent correspondence between experimental and modeled data, including all relaxation events observed in the polymeric material under study throughout the monitored temperature and frequency interval. The radial basis function artificial neural network has been confirmed to be an exceptionally high-performance artificial intelligence tool of soft computing for the effective predicting of short-term viscoelastic behavior of thermoplastic elastomer systems based on experimental results of dynamic mechanical analysis.
Abstract (in Czech)
Předkládaná práce se zabývá vytvořením nového modelu radiální základní funkce umělé neuronové sítě založeného na dynamické termomecha-nické odezvě a tlumícím chování termoplastických elastomerů v celém teplotním intervalu po celou dobu jejich životnosti a širokém frekvenčním rozsahu dynamického mechanického zatížení. Vytvořený model je založen na experimentálních výsledcích dynamické mechanické analýzy široce používaného termoplastického polyurethanu, který je jedním z typických představitelů termoplastických elastomerů. Ověření a testování dobře vyškolené radiální základní funkce neuronové sítě pro teplotní a frekvenční závislost dynamického paměťového modulu, ztrátového modulu, stejně jako predikci ztrátové tečny, ukázalo vynikající shodu mezi experimentálními a modelovanými daty, včetně všech relaxačních událostí pozorovaných v polymerním materiálu. v průběhu sledovaného intervalu teploty a frekvence. Umělá neuronová síť s radiální základní funkcí byla potvrzena jako mimořádně vysoce výkonný nástroj umělé inteligence měkkého zpracování dat pro efektivní předpovídání krátkodobého viskoelastického chování termoplastických elastomerních systémů na základě experimentálních výsledků dynamické mechanické analýzy.
PrintDisplayed: 20/4/2024 07:32