Drvna industrija, Vol. 74 No. 2, 2023.
Izvorni znanstveni članak
https://doi.org/10.5552/drvind.2023.0029
Predviđanje adhezivne čvrstoće nekih lakova uz pomoć modela mekog računalstva
Ibrahim Karaman
orcid.org/0000-0001-8396-9797
; Yozgat Bozok University, Yozgat Vocational School, Computer Technology Department, Yozgat, Turkey
Kenan Kiliç
orcid.org/0000-0003-1607-9545
; Gazi University, Graduate School Of Natural And Applied Sciences, Department of Wood Products Industrial Engineering, Ankara, Turkey; Yozgat Bozok University, Yozgat Vocational School, Design Department, Yozgat, Turkey
Cevdet Sögütlü
orcid.org/0000-0002-9359-1633
; Gazi University, Faculty of Technology, Department of Wood Products Industrial Engineering, Ankara, Turkey
Sažetak
Cilj ovog istraživanja bio je uz pomoć modela mekog računalstva predvidjeti adhezivnu čvrstoću laka koji se nanosi kao zaštitni premaz na površinu drvnog materijala. Pristup mekog računalstva primijenjen je na uzorcima hrastovine (Quercus Petrea L.), kestenovine (Castanea sativa M.) i borovine (Pinus sylvestris L.) lakiranima vodenim poliuretanskim i vodenim akrilnim lakom. Adhezivna čvrstoća laka određena je prema normama TS EN 24624 i ASTM D4541. Rezultati istraživanja iskorišteni su za razvoj modela predviđanja umjetne neuronske mreže (ANN) i neizrazite logike (FL). Od ukupno 360 podatkovnih točaka razvoja modela 80 % njih upotrijebljeno je za trening, a 20 % za testiranje. Tijekom primjene ANN-a šest je svojstava poslužilo kao ulazna varijabla, dok je adhezivna čvrstoća primijenjena kao izlazna varijabla modela. Vrijednosti koeficijenta determinacije (R2) za trening i testiranje u ANN modelima bile su 0,9939 i 0,9580. Pri primjeni ANFIS modela R2 vrijednosti za trening i testiranje iznosile su 0,9917 i 0,9929. Uzimajući u obzir vrijednosti MAPE, RMSE i R2, dobivene iz rezultata treninga i testiranja, moguće je zaključiti da se ANFIS model pokazao uspješnijim u procjeni adhezivne čvrstoće laka. Stoga se može reći da modeli ANN i ANFIS mogu imati vremenske i troškovne prednosti u procjeni adhezivne čvrstoće na drvu.
Ključne riječi
umjetna neuronska mreža; neizrazita logika; adhezivna čvrstoća; drvo; lak
Hrčak ID:
304408
URI
Datum izdavanja:
20.6.2023.
Posjeta: 321 *