Будь ласка, використовуйте цей ідентифікатор, щоб цитувати або посилатися на цей матеріал:
http://elartu.tntu.edu.ua/handle/lib/47589| Назва: | Modelling of automotive steel fatigue lifetime by machine learning method |
| Автори: | Yasniy, Oleh Tymoshchuk, Dmytro Didych, Iryna Zagorodna, Nataliya Malyshevska, Olha |
| Приналежність: | Ternopil Ivan Puluj National Technical University, Ruska str. 56, Ternopil, 46001, Ukraine |
| Бібліографічний опис: | Yasniy, O., Tymoshchuk, D., Didych, I., Zagorodna, N., Malyshevska O., (2024). Modelling of automotive steel fatigue lifetime by machine learning method. CEUR Workshop Proceedings, 3896, pp. 165-172. |
| Bibliographic citation (APA): | Yasniy, O., Tymoshchuk, D., Didych, I., Zagorodna, N., Malyshevska O. (2024). Modelling of automotive steel fatigue lifetime by machine learning method. CEUR Workshop Proceedings, 3896, 165-172. |
| Конференція/захід: | 4th International Workshop on Information Technologies: Theoretical and Applied Problems, ITTAP 2024 |
| Том: | 3896 |
| Дата публікації: | 23-жов-2024 |
| Дата внесення: | 16-січ-2025 |
| Видавництво: | CEUR Workshop Proceedings |
| Місце видання, проведення: | Ternopil, Ukraine, Opole, Poland, October 23-25, 2024. |
| Теми: | machine learning neural network fatigue life crack length QSTE340TM steel |
| Діапазон сторінок: | 165-172 |
| Початкова сторінка: | 165 |
| Кінцева сторінка: | 172 |
| Короткий огляд (реферат): | In the current study, the fatigue life of QSTE340TM steel was modelled using a machine learning method, namely, a neural network. This problem was solved by a Multi-Layer Perceptron (MLP) neural network with a 3-75-1 architecture, which allows the prediction of the crack length based on the number of load cycles N, the stress ratio R, and the overload ratio Rol. The proposed model showed high accuracy, with mean absolute percentage error (MAPE) ranging from 0.02% to 4.59% for different R and Rol. The neural network effectively reveals the nonlinear relationships between input parameters and fatigue crack growth, providing reliable predictions for different loading conditions. |
| URI (Уніфікований ідентифікатор ресурсу): | http://elartu.tntu.edu.ua/handle/lib/47589 |
| ISSN: | 1613-0073 |
| Власник авторського права: | © Oleh Yasniy, Dmytro Tymoshchuk, Iryna Didych, Nataliya Zagorodna, Olha Malyshevska |
| Перелік літератури: | [1] Salzgitter Flachstahl GmbH, QStE340TM, Accessed: Aug. 21, 2024. URL: https://www.salzgitter-flachstahl.de/fileadmin/mediadb/szfg/ informationsmaterial/produktinformationen/warmgewalzte_produkte/eng/QStE340TM.pdf. [2] Yasniy O., Pasternak I., Didych I., Fedak S., Tymoshchuk D. Methods of jump-like creep modeling of AMg6 aluminum alloy. Procedia Structural Integrity, 2023, 48: 149–154. doi:10.1016/j.prostr.2023.07.141. [3] Didych, I., Yasniy, O., Fedak, S., Lapusta, Y. Prediction of jump-like creep using preliminary plastic strain. Procedia Structural Integrity, 2022, 36, 166-170. doi:10.1016/j.prostr.2022.01.019. [4] Tymoshchuk, D., Yasniy, O., Maruschak, P., Iasnii, V., Didych, I. Loading Frequency Classification in Shape Memory Alloys: A Machine Learning Approach. Computers, 2024. 13(12), 339. doi: 10.3390/computers13120339. [5] Okipnyi, I.B., Maruschak, P.O., Zakiev, V.I. et al. Fracture Mechanism Analysis of the Heat-Resistant Steel 15Kh2MFA(II) After Laser Shock-Wave Processing. J Fail. Anal. and Preven. 14, 668–674 (2014). doi:10.1007/s11668-014-9869-4. [6] I. Konovalenko, P. Maruschak, J. Brezinová, O. Prentkovskis, J. Brezina, Research of u-net-based CNN architectures for metal surface defect detection, Machines 10.5 (2022) 327. doi:10.3390/machines10050327. [7] Y. Lu, F. Yang, T. Chen. Effect of single overload on fatigue crack growth in QSTE340TM steel and retardation model modification. Engineering Fracture Mechanics, 2019, 212: 81-94. doi:10.1016/j.engfracmech.2019.03.029. [8] Y. Lu, F. Yang, T. Chen. Data for: Effect of single overload on fatigue crack growth in QSTE340TM steel and retardation model modification. Engineering Fracture Mechanics, 2019, 212: 81-94. doi:10.17632/8pcx2mgfd4.1. [9] Rosenblatt, F. Principles of neurodynamics. perceptrons and the theory of brain mechanisms. Cornell Aeronautical Lab Inc Buffalo NY, 1961. |
| Тип вмісту: | Article |
| Розташовується у зібраннях: | Наукові публікації працівників кафедри кібербезпеки |
Файли цього матеріалу:
| Файл | Опис | Розмір | Формат | |
|---|---|---|---|---|
| ITTAP_2024_3896_short4_tntu.pdf | 1,01 MB | Adobe PDF | Переглянути/відкрити |
Усі матеріали в архіві електронних ресурсів захищені авторським правом, всі права збережені.
Інструменти адміністратора