| Titel | Artificial Neural Network Based Prediction of Wear and Mechanical Properties of Polyamide Composites Reinforced by Short Fibers |
| Autor | Zhenyu Jiang, Lada Antonova Gyurova, Zhong Zhang, Klaus Friedrich, Alois K. Schlarb |
| Infos zum Autor | Institut für Verbundwerkstoffe GmbH Technische Universität Kaiserslautern Erwin-Schrödinger-Straße 58 67663 Kaiserslautern Tel: +49 (0) 631 2017 - 147 Fax: +49 (0) 631 2017 - 196 E-mail: zhenyu.jiang@ivw.uni-kl.de Internet: www.ivw.uni-kl.de |
| Inhalt | Zusammenfassung In letzter Zeit wird die Technik der künstlichen neuronalen Netzwerke (ANN) als interdisziplinäres Werkzeug für das Modellieren komplizierter und nicht-linearer Probleme weltweit eingesetzt. In der vorliegenden Arbeit wurde das ANN verwendet, um die mechanischen Eigenschaften und das Verschleißverhalten von Polyamid (PA) Verbundwerkstoffe vorauszusagen. Hierbei wurden verschiedene kurze Fasern sowie andere Füllstoffe als Verstärkung verwendet. Zwei experimentelle Datenbanken wurden benutzt, um das neuronale Netzwerk auszubilden. Die eine bestand aus 101 unabhängigen Schwingverschleißuntersuchungen an PA 46 Verbunden. Die zweite war eine kommerzielle Datenbank (Fa. RTP) und umfasste 93 Paare von unabhängigen Izod-Schlag, Zug- und Biege- Versuchen an PA 66 Verbundwerkstoffen. Die vorausgesagten Eigenschaftsprofile bewiesen, dass die gut optimierten neuronalen Netzwerke eine praktische Methode für eine leistungsfähige Prognose der mechanischen und tribologischen Eigenschaften von Polymeren Verbundwerkstoffen darstellen. Abstract Recently, the artificial neural network (ANN) technique is widely used as an interdisciplinary tool for modeling complex and non-linear problems. In the present work, ANN was applied to predict the mechanical and wear properties of polyamide (PA) composites reinforced by various short fibers as well as fillers. Two experimental databases were used to train the neural network: One consisted of 101 independent fretting wear tests of PA 46 composites; the other one was from a commercial company (RTP Company) and included 93 pairs of independent Izod impact, tension and bending tests of PA 66 composites. The predicted property profiles proved that well-optimized neural networks constitute a practical tool for the prediction of mechanical and tribological properties of polymer composites. |
| Datum | 2006 |
