Skip to the main content

Original scientific paper

https://doi.org/10.5552/drvind.2023.0029

Predviđanje adhezivne čvrstoće nekih lakova uz pomoć modela mekog računalstva

Ibrahim Karaman orcid id orcid.org/0000-0001-8396-9797 ; Yozgat Bozok University, Yozgat Vocational School, Computer Technology Department, Yozgat, Turkey
Kenan Kiliç orcid id 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 id orcid.org/0000-0002-9359-1633 ; Gazi University, Faculty of Technology, Department of Wood Products Industrial Engineering, Ankara, Turkey


Full text: english pdf 2.607 Kb

page 153-166

downloads: 130

cite


Abstract

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.

Keywords

umjetna neuronska mreža; neizrazita logika; adhezivna čvrstoća; drvo; lak

Hrčak ID:

304408

URI

https://hrcak.srce.hr/304408

Publication date:

20.6.2023.

Article data in other languages: english

Visits: 321 *