Запис Детальніше

Прогнозування діаграм втомного руйнування нейронними мережами за змінної амплітуди навантаження

DSpace at Ternopil State Ivan Puluj Technical University

Переглянути архів Інформація
 
 
Поле Співвідношення
 
Title Прогнозування діаграм втомного руйнування нейронними мережами за змінної амплітуди навантаження
Prediction of fatigue fracture diagrams by neural network under variable amplitude loading
 
Creator Ясній, Олег Петрович
Дідич, Ірина
Yasniy, Oleg
Didych, Iryna
 
Contributor Тернопільський національний технічний університет імені Івана Пулюя, Україна
 
Subject ріст втомної тріщини
коефіцієнт інтенсивності напружень
асиметрія циклу навантаження
довговічність
нейронна мережа
atigue crack growth
stress intensity factor
stress ratio
durability
neural network
machine learning
539.42
004.032.26
 
Description Нейронні мережі застосовано для прогнозування діаграм втомного
руйнування сталі 0,45% С при змінному навантаженні за коефіцієнта асиметрії циклу навантаження R = 0, –1. Отримані результати добре узгоджуються з
експериментальними даними.
Neural networks were used to predicted the fatigue crack growth diagrams for 0,45% C steel under variable loading at stress ratio R = 0, –1. The obtained results are in good agreement with the experimental data
 
Date 2019-09-21T07:46:30Z
2019-09-21T07:46:30Z
2019-06-20
2019-06-20
 
Type Conference Abstract
 
Identifier Ясній О. П. Прогнозування діаграм втомного руйнування нейронними мережами за змінної амплітуди навантаження / Олег Ясній, Ірина Дідич // Матеріали Ⅳ Міжнародної науково-технічної конференції „Теоретичні та прикладні аспекти радіотехніки, приладобудування і компʼютерних технологій“ присвячена 80-ти річчю з дня народження професора Я.І. Проця, 20-21 червня 2019 року. — Т. : ФОП Паляниця В. А., 2019. — С. 356–358. — (Світлотехніка і електроенергетика).
978-617-7331-85-7
http://elartu.tntu.edu.ua/handle/lib/28947
Yasniy O., Didych I. (2019) Prohnozuvannia diahram vtomnoho ruinuvannia neironnymy merezhamy za zminnoi amplitudy navantazhennia [Prediction of fatigue fracture diagrams by neural network under variable amplitude loading]. Materialy Ⅳ Mizhnarodnoi naukovo-tekhnichnoi konferentsii "Teoretychni ta prykladni aspekty radiotekhniky, pryladobuduvannia i kompʼiuternykh tekhnolohii" prysviachena 80-ty richchiu z dnia narodzhennia profesora Ya.I. Protsia (Tern., 20-21 June 2019), pp. 356-358 [in Ukrainian].
 
Language uk
 
Relation Матеріали Ⅳ Міжнародної науково-технічної конференції „Теоретичні та прикладні аспекти радіотехніки, приладобудування і компʼютерних технологій“ присвячена 80-ти річчю з дня народження професора Я.І. Проця, 2019
1. Application of artificial neural network for predicting fatigue crack propagation life of aluminum alloys / J. R. Mohanty, B. B. Verma, D. R. K. Parhi, D. R. Ray // Archives of Computational Mat. Sci. and Surf. Eng. - 2009. - 1, № 3. - P. 133–138.
2. Прогнозування діаграм втомного руйнування алюмінієвого сплаву Д16Т методами машинного навчання / О. П. Ясній, О. А. Пастух, Ю. І. Пиндус, Н. С. Луцик, І. C. Дідич // Фіз.-хім. механіка матеріалів. – 2018. – 54, № 3. - С. 43–48.
3. Razavi, S.V. Using feed-forward back propagation (FFBP) neural networks for compressive strength prediction of lightweight concrete made with different percentage of scoria instead of sand [Електрон. ресурс] / S.V. Razavi, M.Z. Jumaat, A.H. EiShafie // International Journal of Physical Sciences. – 2011. – № 6 (6). – P. 1325-1331.
4. Assessment of lifetime of railway axle / O. Yasniy, Y. Lapusta, Y. Pyndus, A. Sorochak, V. Yasniy // International Journal of Fatigue. – 2013. – Vol. 50. – P. 40–46.
5. Describing fatigue crack growth and load ratio effects in Al 2524 T3 alloy with an enhanced exponential model / C. A. R. P. Baptista, A. M. L. Adib, M. A. S. Torres, V. A. Pastoukhov // Mech. of Mat. - 2012. - 51. - P. 66–73.
1. Application of artificial neural network for predicting fatigue crack propagation life of aluminum alloys, J. R. Mohanty, B. B. Verma, D. R. K. Parhi, D. R. Ray, Archives of Computational Mat. Sci. and Surf. Eng, 2009, 1, No 3, P. 133–138.
2. Prohnozuvannia diahram vtomnoho ruinuvannia aliuminiievoho splavu D16T metodamy mashynnoho navchannia, O. P. Yasnii, O. A. Pastukh, Yu. I. Pyndus, N. S. Lutsyk, I. C. Didych, Fiz.-khim. mekhanika materialiv, 2018, 54, No 3, P. 43–48.
3. Razavi, S.V. Using feed-forward back propagation (FFBP) neural networks for compressive strength prediction of lightweight concrete made with different percentage of scoria instead of sand [Elektron. resurs], S.V. Razavi, M.Z. Jumaat, A.H. EiShafie, International Journal of Physical Sciences, 2011, No 6 (6), P. 1325-1331.
4. Assessment of lifetime of railway axle, O. Yasniy, Y. Lapusta, Y. Pyndus, A. Sorochak, V. Yasniy, International Journal of Fatigue, 2013, Vol. 50, P. 40–46.
5. Describing fatigue crack growth and load ratio effects in Al 2524 T3 alloy with an enhanced exponential model, C. A. R. P. Baptista, A. M. L. Adib, M. A. S. Torres, V. A. Pastoukhov, Mech. of Mat, 2012, 51, P. 66–73.
 
Rights © Тернопільський національний технічний університет імені Івана Пулюя, укладання, оформлення, 2019
 
Format 356-358
3
 
Coverage 20-21 червня 2019 року
20-21 June 2019
Тернопіль
Ternopil
 
Publisher ФОП Паляниця В. А.
FOP Palyanitsa V. A.