使用人工神经网络模型分析和预测温度,用于磨玻璃纤维增强聚合物复合材料
Paulina Spanu1, Bogdan Felician Abaza1, Teodor Catalin Constantinescu2
1Manufacturing Engineering Department, National University of Science and Technology POLITEHNICA Bucharest, 060042 Bucharest, Romania.
Polymers
|December 17, 2024
概括
这项研究开发了一种人工神经网络 (ANN) 模型,用于预测玻璃纤维增强聚合物 (GFRP) 复合材料的磨温度. 切割速度显著影响温度,这对于防止工具磨损和材料降解至关重要.
科学领域:
- 材料科学 材料科学 材料科学
- 制造业 工程 制造工程
- 人工智能的人工智能
背景情况:
- 玻璃纤维增强聚合物 (GFRP) 复合材料对于使用喷涂布置的大型零件至关重要.
- 造质量对切割区温度非常敏感.
- 高温可以导致工具磨损和聚合物矩阵降解.
研究的目的:
- 开发一个人工神经网络 (ANN) 模型,用于预测GFRP的磨温度.
- 确定影响GFRP削过程中产生温度的关键因素.
- 为优化加工参数提供预测工具.
主要方法:
- 开发了一个使用LabVIEW进行温度预测的ANN模型.
- 用一个ThermaCAM SC 640摄像头进行温度测量.
- 使用ThermaCAM研究员软件分析实验数据.
主要成果:
- 切割速度被确定为对切割区温度最有影响的参数.
- 在特定的加工条件下,最高温度为85.19°C.
- 摩擦和材料磨损性导致温度上升.
结论:
- 该ANN模型有效地预测了GFRP的磨温度.
- 优化切割速度对于在GFRP削过程中管理热量至关重要.
- 了解温度影响对于GFRP零件质量和工艺效率至关重要.


