Article ID | Journal | Published Year | Pages | File Type |
---|---|---|---|---|
7883088 | Boletín de la Sociedad Española de Cerámica y Vidrio | 2018 | 10 Pages |
Abstract
Se utilizó el método de red neuronal artificial (RNA) para predecir el efecto del refuerzo y la deformación sobre el desgaste volumétrico de los materiales compuestos de matriz de aluminio reforzada con nanopartÃculas de barro rojo sintetizados por agitación. El barro rojo obtenido de la industria de procesamiento de alúmina se molió en un molino de bolas de alta energÃa y el tamaño de la partÃcula se redujo a 40Â nm en 30Â h. Las caracterÃsticas de desgaste de los materiales compuestos se evaluaron en los probadores pin-on-disk de desgaste en diferentes cargas de 10N, 20N y 30N, y velocidades de deslizamiento de 200, 400 y 600Â rpm. El Ãndice de desgaste del material compuesto se redujo con el aumento en la fracción de peso del barro rojo hasta el 10% y por encima de este, de manera que el Ãndice de desgaste aumentó. El área interfacial entre la matriz y el refuerzo aumenta con el incremento de la fracción volumétrica del barro rojo, lo que produce un aumento de la fuerza y la resistencia al desgaste. El modelo de regresión matemática y el modelo de RNA se desarrollaron para predecir el Ãndice de desgaste teórico del material compuesto y se observó que las predicciones de la RNA están en excelente acuerdo con los valores medidos si se los compara con otros modelos. Por tanto, la predicción del Ãndice de desgaste de los nanocompuestos cuando se utiliza red neural artificial antes de la fabricación real ahorrará considerablemente tiempo, esfuerzo y coste al proyecto.
Keywords
Related Topics
Physical Sciences and Engineering
Materials Science
Ceramics and Composites
Authors
Gampala Satyanarayana, Gurugubelli Swami Naidu, N. Hari Babu,