J
2019
Radial Basis Function Neural Network-Based Modeling of the Dynamic Thermo-Mechanical Response and Damping Behavior of Thermoplastic Elastomer Systems
KOPAL, Ivan, Marta HARNIČÁROVÁ, Jan VALÍČEK, Jan KRMELA, Ondrej LUKAC et. al.
Základní údaje
Originální název
Radial Basis Function Neural Network-Based Modeling of the Dynamic Thermo-Mechanical Response and Damping Behavior of Thermoplastic Elastomer Systems
Název česky
Modelování neurální sítě založené na principu radiální základny dynamické termomechanické odezvy a tlumení chování termoplastických elastomerních systémů
Autoři
KOPAL, Ivan (703 Slovensko, garant),
Marta HARNIČÁROVÁ (203 Česká republika, domácí),
Jan VALÍČEK (203 Česká republika, domácí), Jan KRMELA (703 Slovensko) a Ondrej LUKAC (703 Slovensko)
Vydání
Polymer Science, BASEL, SWITZERLAND, MDPI, 2019, 2073-4360
Další údaje
Typ výsledku
Článek v odborném periodiku
Stát vydavatele
Švýcarsko
Utajení
není předmětem státního či obchodního tajemství
Kód RIV
RIV/75081431:_____/19:00001555
Organizační jednotka
Vysoká škola technická a ekonomická v Českých Budějovicích
Klíčová slova česky
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
Klíčová slova anglicky
"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 "
V originále
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.
Česky
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.
Zobrazeno: 19. 10. 2024 22:33