Usage of Neural Network to Predict Aluminium Oxide Layer Thickness
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F75081431%3A_____%2F15%3A00000473" target="_blank" >RIV/75081431:_____/15:00000473 - isvavai.cz</a>
Výsledek na webu
<a href="http://dx.doi.org/10.1155/2015/253568" target="_blank" >http://dx.doi.org/10.1155/2015/253568</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1155/2015/253568" target="_blank" >10.1155/2015/253568</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Usage of Neural Network to Predict Aluminium Oxide Layer Thickness
Popis výsledku v původním jazyce
This paper shows an influence of chemical composition of used electrolyte, such as amount of sulphuric acid in electrolyte, amount of aluminium cations in electrolyte and amount of oxalic acid in electrolyte, and operating parameters of process of anodicoxidation of aluminium such as the temperature of electrolyte, anodizing time, and voltage applied during anodizing process. The paper shows the influence of those parameters on the resulting thickness of aluminium oxide layer. The impact of these variables is shown by using central composite design of experiment for six factors (amount of sulphuric acid, amount of oxalic acid, amount of aluminium cations, electrolyte temperature, anodizing time, and applied voltage) and by usage of the cubic neural unit with Levenberg-Marquardt algorithm during the results evaluation.The paper also dealswith current densities of 1Axdm-2 and 3Axdm-2 for creating aluminium oxide layer.
Název v anglickém jazyce
Usage of Neural Network to Predict Aluminium Oxide Layer Thickness
Popis výsledku anglicky
This paper shows an influence of chemical composition of used electrolyte, such as amount of sulphuric acid in electrolyte, amount of aluminium cations in electrolyte and amount of oxalic acid in electrolyte, and operating parameters of process of anodicoxidation of aluminium such as the temperature of electrolyte, anodizing time, and voltage applied during anodizing process. The paper shows the influence of those parameters on the resulting thickness of aluminium oxide layer. The impact of these variables is shown by using central composite design of experiment for six factors (amount of sulphuric acid, amount of oxalic acid, amount of aluminium cations, electrolyte temperature, anodizing time, and applied voltage) and by usage of the cubic neural unit with Levenberg-Marquardt algorithm during the results evaluation.The paper also dealswith current densities of 1Axdm-2 and 3Axdm-2 for creating aluminium oxide layer.
Klasifikace
Druh
J<sub>x</sub> - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)
CEP obor
CG - Elektrochemie
OECD FORD obor
—
Návaznosti výsledku
Projekt
—
Návaznosti
V - Vyzkumna aktivita podporovana z jinych verejnych zdroju
Ostatní
Rok uplatnění
2015
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název periodika
Scientific World Journal
ISSN
2356-6140
e-ISSN
—
Svazek periodika
vol. 2015
Číslo periodika v rámci svazku
únor
Stát vydavatele periodika
US - Spojené státy americké
Počet stran výsledku
10
Strana od-do
—
Kód UT WoS článku
—
EID výsledku v databázi Scopus
—