Machine Learning and Statistical Approach to Predict and Analyze Wear Rates in Copper Surface Composites

Titus Thankachan; K. Soorya Prakash; V. Kavimani; S. R. Silambarasan

추천

검색

자료유형: 학술저널

저자정보: Titus Thankachan (Karpagam College of Engineering) K. Soorya Prakash (Anna University Regional Campus) V. Kavimani (Karpagam Academy of Higher Education) S. R. Silambarasan (Anna University Regional Campus)

저널정보: 대한금속·재료학회 Metals and Materials International Metals and Materials International Vol.27 No.2

발행연도: 2021.1

수록면: 220 - 234 (15page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

This research demonstrates the application of machine learning models and statistics methods in predicting and analyzingdry sliding wear rates on novel copper-based surface composites. Boron nitride particles of varying fractions was depositedexperimentally over the copper surface through friction stir processing. Experimental and statistical analysis proved thatthe presence of BN particles can reduce wear rate considerably. Analysis of worn-out surface revealed a mild adhesive wearduring low load condition and an abrasive mode of wear during higher load conditions. Artificial neural network based feedforward back propagation model with topology 4-7-1 was modeled and prediction profiles displayed good agreement withexperimental outcomes.

#Friction stir processing · Boron nitride · Surface engineering · Wear rate

참고문헌 (35)

참고문헌 신청

S. C. Tjong / 2000 / Tribological behaviour of SiC particlereinforced copper matrix composites / Mater. Lett 43:274~280

K. Song / 2014 / Relationship between interfacial stress and thermal expansion coefcient of copper–matrix composites with diferent reinforced phases / Mater. Sci. Technol 30:171~175

Viseslava Rajkovic / 2014 / Processing, characterization and properties of copper-based composites strengthened by low amount of alumina particles / Powder Technology 268:392~400

Beibei Chen / 2015 / Tribological properties of copper-based composites with copper coated NbSe2 and CNT / Materials & Design 75:24~31

GH.A. Bagheri / 2016 / The effect of reinforcement percentages on properties of copper matrix composites reinforced with TiC particles / Journal of Alloys and Compounds 676:120~126

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

Titus Thankachan

소속기관 Karpagam College of Engineering

주요연구분야 공학 > 재료·에너지공학 > 재료공학

논문수 1 이용수 1

K. Soorya Prakash

소속기관 Anna University Regional Campus

주요연구분야 공학 > 재료·에너지공학 > 재료공학

논문수 1 이용수 1

V. Kavimani

소속기관 Karpagam Academy of Higher Education

주요연구분야 공학 > 재료·에너지공학 > 재료공학

논문수 1 이용수 1

S. R. Silambarasan

소속기관 Anna University Regional Campus

주요연구분야 공학 > 재료·에너지공학 > 재료공학

논문수 1 이용수 1

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (35)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

최근 본 자료

댓글(0)