Будь ласка, використовуйте цей ідентифікатор, щоб цитувати або посилатися на цей матеріал: http://elartu.tntu.edu.ua/handle/lib/22599

Повний запис метаданих
Поле DCЗначенняМова
dc.contributor.authorДідич, Ірина Степанівна-
dc.contributor.authorПастух, Олег Анатолійович-
dc.contributor.authorЯсній, Олег Петрович-
dc.contributor.authorПиндус, Юрій Іванович-
dc.contributor.authorЛуцик, Н. С.-
dc.contributor.authorЗеленський, В. К.-
dc.coverage.temporal19-22 вересня 2017 року-
dc.coverage.temporal19-22 September 2017-
dc.date.accessioned2017-12-07T15:56:25Z-
dc.date.available2017-12-07T15:56:25Z-
dc.date.created2017-09-19-
dc.date.issued2017-09-19-
dc.identifier.citationПрогнозування діаграм втомного руйнування алюмінієвого стопу Д16Т методами машинного навчання / І. С. Дідич, О. А. Пастух, О. П. Ясній, Ю. І. Пиндус, Н. С. Луцик, В. К. Зеленський // Праці конференції „Пошкодження матеріалів під час експлуатації, методи його діагностування і прогнозування“, 19-22 вересня 2017 року. — Т. : ТНТУ, 2017. — С. 238–241. — (Оцінювання залишкового ресурсу елементів конструкцій).-
dc.identifier.isbn978-966-305-083-6-
dc.identifier.urihttp://elartu.tntu.edu.ua/handle/lib/22599-
dc.description.abstractThe methods of machine learning (neural networks, boosted trees and random forests) were used to predict the fatigue crack growth diagrams in an aluminium D16T alloy under regular loading at stress ratio R = 0, 0.2, 0.4, 0.6. The obtained results are in good agreement with the experimental data. The neural network method gives the least prediction error.-
dc.format.extent238-241-
dc.language.isouk-
dc.publisherТНТУ-
dc.publisherTNTU-
dc.relation.ispartofПраці Ⅴ Міжнародної науково-технічної конференції „Пошкодження матеріалів під час експлуатації, методи його діагностування і прогнозування“-
dc.relation.ispartofProceeding of the International Conference “In-Service Damage of Materials, its Diagnostics and Prediction”-
dc.titleПрогнозування діаграм втомного руйнування алюмінієвого стопу Д16Т методами машинного навчання-
dc.typeConference Abstract-
dc.rights.holder© Тернопільський національний технічний університет імені Івана Пулюя, 2017; © Ternopil Ivan Pulu’uj National Technical University, 2017-
dc.coverage.placenameТернопіль-
dc.coverage.placenameTernopil-
dc.format.pages4-
dc.relation.references1. Paris P. C. Critical Analysis of Crack Propagation Laws / P. C. Paris, F. A. Erdogan // Journal of Basic Engineering. 1963. – Vol. 85(4). - P. 528-534.-
dc.relation.references2. Трощенко В.Т. Трещиностойкость металлов при циклическом нагружении / В.Т. Трощенко, В.В. Покровский, А.В.Прокопенко. - Киев: Наукова Думка, 1987.-
dc.relation.references3. Ясній О. Моделювання росту тріщин за змінної амплітуди навантаження в сплаві Д16ЧТ / О. Ясній, Ю. Пиндус. // Вісник Тернопільського державного технічного університету. – 2007. – Т.12, №1. – С. 25-32.-
dc.relation.references4. Mohanty J. R. 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 Materials Science and Surface Engineering. - 2009. -Vol. 1(3). - P. 133–138.-
dc.relation.references5. Walker K. Effects of Environment and Complex Load History on Fatigue Life / K. Walker // American Society for Testing and Materials. – 1970. – P. 1–14.-
dc.relation.references6. Fatigue crack growth computer program ‘NASGRO’ version 3.0 – Reference Manual. NASA Technical Report JSC-22267B, 2001. Available from: www.nasgro.swri.org-
dc.relation.references7. Gorunescu F. Data mining: concepts, models and techniques / F. Gorunescu. - Heidelberg: Springer, 2011.-
dc.relation.references8. Philip D. Wasserman: Neural Computing: Theory and Practice / D. Philip. - Coriolis Group (Sd), 1989.-
dc.relation.references9. Pidaparti R. M. V. Neural network approach to fatigue-crack-growth predictions under aircraft spectrum loadings / R. M. V. Pidaparti, M. Palakal. // Journal of Aircraft. – 1995. – №4. – P. 825-831.-
dc.relation.references10. Ясній П. Вплив асиметрії циклу навантаження на характеристики циклічної тріщиностійкості алюмінієвого сплаву Д16Т / П. Ясній, Ю. Пиндус, В. Фостик // Вісник Тернопільського державного технічного університету. – 2007 – Т.12, №1. – С.7–12.-
dc.relation.referencesen1. Paris P. C. Critical Analysis of Crack Propagation Laws, P. C. Paris, F. A. Erdogan, Journal of Basic Engineering. 1963, Vol. 85(4), P. 528-534.-
dc.relation.referencesen2. Troshchenko V.T. Treshchinostoikost metallov pri tsiklicheskom nahruzhenii, V.T. Troshchenko, V.V. Pokrovskii, A.V.Prokopenko, Kiev: Naukova Dumka, 1987.-
dc.relation.referencesen3. Yasnii O. Modeliuvannia rostu trishchyn za zminnoi amplitudy navantazhennia v splavi D16ChT, O. Yasnii, Yu. Pyndus., Visnyk Ternopilskoho derzhavnoho tekhnichnoho universytetu, 2007, V.12, No 1, P. 25-32.-
dc.relation.referencesen4. Mohanty J. R. 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 Materials Science and Surface Engineering, 2009. -Vol. 1(3), P. 133–138.-
dc.relation.referencesen5. Walker K. Effects of Environment and Complex Load History on Fatigue Life, K. Walker, American Society for Testing and Materials, 1970, P. 1–14.-
dc.relation.referencesen6. Fatigue crack growth computer program ‘NASGRO’ version 3.0 – Reference Manual. NASA Technical Report JSC-22267B, 2001. Available from: www.nasgro.swri.org-
dc.relation.referencesen7. Gorunescu F. Data mining: concepts, models and techniques, F. Gorunescu, Heidelberg: Springer, 2011.-
dc.relation.referencesen8. Philip D. Wasserman: Neural Computing: Theory and Practice, D. Philip, Coriolis Group (Sd), 1989.-
dc.relation.referencesen9. Pidaparti R. M. V. Neural network approach to fatigue-crack-growth predictions under aircraft spectrum loadings, R. M. V. Pidaparti, M. Palakal., Journal of Aircraft, 1995, No 4, P. 825-831.-
dc.relation.referencesen10. Yasnii P. Vplyv asymetrii tsyklu navantazhennia na kharakterystyky tsyklichnoi trishchynostiikosti aliuminiievoho splavu D16T, P. Yasnii, Yu. Pyndus, V. Fostyk, Visnyk Ternopilskoho derzhavnoho tekhnichnoho universytetu, 2007 – V.12, No 1, P.7–12.-
dc.identifier.citationenDidych I. S., Pastukh O. A., Yasnii O. P., Pyndus Yu. I., Lutsyk N. S., Zelenskyi V. K. (2017) Prohnozuvannia diahram vtomnoho ruinuvannia aliuminiievoho stopu D16T metodamy mashynnoho navchannia. Proceedings of the Conference „In-service damage of materials, its diagnostics and prediction“ (Tern., 19-22 September 2017), pp. 238-241 [in Ukrainian].-
dc.contributor.affiliationТернопільський національний технічний університет імені Івана Пулюя, Україна-
dc.citation.journalTitleПраці Ⅴ Міжнародної науково-технічної конференції „Пошкодження матеріалів під час експлуатації, методи його діагностування і прогнозування“-
dc.citation.spage238-
dc.citation.epage241-
dc.citation.conferenceⅤ Міжнародна науково-технічна конференція „Пошкодження матеріалів під час експлуатації, методи його діагностування і прогнозування“-
Розташовується у зібраннях:Ⅴ Міжнародна науково-технічна конференція „Пошкодження матеріалів під час експлуатації, методи його діагностування і прогнозування“ (2017)



Усі матеріали в архіві електронних ресурсів захищені авторським правом, всі права збережені.