Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

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