文献

J-GLOBAL ID：201802251182117180   整理番号：18A1568696

実験データを用いた人工神経回路網によるAl2O3-MWCNT/5W50ハイブリッドナノ潤滑剤のレオロジー挙動のモデリングと予測【JST・京大機械翻訳】

Modeling and prediction of rheological behavior of Al2O3-MWCNT/5W50 hybrid nano-lubricant by artificial neural network using experimental data

著者 (4件)： Hemmat Esfe Mohammad (Department of Mechanical Engineering, Imam Hossein University, Tehran, Iran) ,  Rostamian Hossein (Faculty of Chemical, Petroleum and Gas Engineering, Semnan University, Semnan, Iran) ,  Esfandeh Saeed (Young Researchers and Elite Club, Najafabad Branch, Islamic Azad University, Najafabad, Iran) ,  Afrand Masoud (Department of Mechanical Engineering, Najafabad Branch, Islamic Azad University, Najafabad, Iran)
資料名： Physica A. Statistical Mechanics and Its Applications  (Physica A. Statistical Mechanics and Its Applications)
巻： 510  ページ： 625-634  発行年： 2018年 
JST資料番号： D0322B  ISSN： 0378-4371  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 本論文では,Al_2O_3-MWCNT/5W50のレオロジー挙動を予測するために,人工ニューラルネットワークモデルと実験データに基づく新しい相関を提案した。ANNモデルには,温度,体積率,およびシェア率を含む3つの入力がある。提案したモデルの予測を統計的および図式的検証アプローチを用いて評価した。結果は,偏差のマージンの最大値が,ANNと相関出力に対して,それぞれ,0.07%と7.3%であることを明らかにした。結果は,人工ニューラルネットワークが,経験的相関より正確にナノ流体の相対粘度を予測できることを示した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *アルミナ ,  *測定データ ,  *潤滑剤 ,  *ニューラルネットワーク ,  体積率 ,  *モデリング
準シソーラス用語： ナノ流体 ,  神経回路網モデル ,  *レオロジー挙動 , 【Automatic Indexing@JST】

著者キーワード (4件)： エンジン油ナノ流体 ,  相対粘度 ,  相関 ,  ANNモデリング

分類 (1件)： 熱伝導  (PA02020Z)

タイトルに関連する用語 (8件)： 実験データ ,  人工神経回路網 ,  Al2O3 ,  MWCNT ,  潤滑剤 ,  レオロジー挙動 ,  モデリング ,  予測