본문으로 건너뛰기

"Artificial neural networks" 태그로 연결된 2개 게시물개의 게시물이 있습니다.

인공신경망

모든 태그 보기

Experimental-based statistical models for the tensile characterization of synthetic fiber ropes: a machine learning approach

· 약 6분
Yahia Halabi
연구원
Hu Xu
연구원
Zhixiang Yu
연구원
Wael Alhaddad
연구원
Isabelle Dreier
연구원

논문 정보​

  • 제목: Experimental-based statistical models for the tensile characterization of synthetic fiber ropes: a machine learning approach
  • 저자: Yahia Halabi (Southwest Jiaotong University), Hu Xu (Southwest Jiaotong University), Zhixiang Yu (Southwest Jiaotong University), Wael Alhaddad (Tongji University), Isabelle Dreier (University of Giessen)
  • 학회/저널: Scientific Reports
  • 발행일: 2023-10-18
  • DOI: 10.1038/s41598-023-44816-x
  • 주요 연구 내용: 폴리에스터, 폴리프로필렌, 나일론 로프에 대해 DSC 열분석, 섬유/얀 인장 실험, 196개의 로프 인장 실험을 수행하여 포괄적인 데이터베이스를 구축함. 이 데이터를 기반으로 로프의 3선형(tri-linear) 응력-변형률 프로파일을 예측하는 인공신경망(ANN) 모델을 개발하고 최적화함.
  • 주요 결과 및 결론: 개발된 ANN 모델은 파단 강도 및 변형률에 대해 약 5%의 오차로 로프의 3선형 응력-변형률 특성을 정확하게 예측함. 이 연구는 로프의 공정-구조-물성 관계에 대한 이해를 높이고, 인장 특성 설계 및 예측에 드는 비용과 노력을 줄이는 데 기여함.
  • 기여점: 합성 섬유 로프의 인장 특성에 대한 광범위한 실험적 통계 데이터를 체계적으로 구축함. 기계 학습(ANN)을 적용하여 복잡한 비선형적 인장 거동을 실용적인 3선형 모델로 예측하는 방법을 제시했으며, 이는 산업 현장에서의 로프 설계 및 성능 예측에 직접적으로 활용될 수 있음.

Yarn Strength Prediction: A Practical Model Based on Artificial Neural Networks

· 약 4분
Rocco Furferi
University of Florence 연구원
Maurizio Gelli
연구원

논문 정보​

  • 제목: Yarn Strength Prediction: A Practical Model Based on Artificial Neural Networks
  • 저자: Rocco Furferi (University of Florence), Maurizio Gelli (New Mill S.P.A. Research Center)
  • 학회/저널: Advances in Mechanical Engineering
  • 발행일: 2010-06-17
  • DOI: 10.1155/2010/640103
  • 주요 연구 내용: 원사 강도 예측을 위해 피드포워드 역전파 인공신경망(FFBP ANN) 모델을 개발함. 이 모델은 전문가들이 통상적으로 측정하는 5가지 로빙 파라미터(원사 번수, 꼬임 수, 가중 평균 길이, 가중 평균 섬도, 가중 평균 강도)를 입력으로 사용하여 최종 원사의 강도를 예측함.
  • 주요 결과 및 결론: 개발된 ANN 모델을 98개의 데이터로 학습하고 50개의 새로운 데이터로 검증한 결과, 평균 예측 오차율 3.5%를 달성함. 이는 동일 데이터로 구축한 다중 선형 회귀 모델의 평균 오차율 5.55%보다 훨씬 우수한 성능임.
  • 기여점: 섬유 공정 전문가들이 실제 방적을 수행하기 전에 원사 강도를 빠르고 정확하게 예측할 수 있는 실용적인 도구를 제공함. 이를 통해 다양한 로빙 조합을 신속하게 테스트하여 시간과 비용을 절감하고, 최적의 원사 품질을 확보하는 데 기여함.