[article]
| Titre : |
Application of Taguchi – PCA/GRA method to optimize the wear behaviour of polyester/carbon fibre composites |
| Type de document : |
texte imprimé |
| Auteurs : |
Naga Venkata Sai Ram Yellapragada, Auteur ; Venkata Sai Kumar Madala, Auteur ; Sameer Kumar Devarakonda, Auteur |
| Année de publication : |
2023 |
| Article en page(s) : |
p. 65-73 |
| Note générale : |
Bibliogr. |
| Langues : |
Anglais (eng) |
| Catégories : |
Analyse de variance En statistique, l'analyse de la variance (terme souvent abrégé par le terme anglais ANOVA : ANalysis Of VAriance) est un ensemble de modèles statistiques utilisés pour vérifier si les moyennes des groupes proviennent d'une même population. Les groupes correspondent aux modalités d'une variable qualitative (p. ex. variable : traitement; modalités : programme d'entrainement sportif, suppléments alimentaires ; placebo) et les moyennes sont calculés à partir d'une variable continue (p. ex. gain musculaire).
Ce test s'applique lorsque l'on mesure une ou plusieurs variables explicatives catégorielles (appelées alors facteurs de variabilité, leurs différentes modalités étant parfois appelées "niveaux") qui ont de l'influence sur la loi d'une variable continue à expliquer. On parle d'analyse à un facteur lorsque l'analyse porte sur un modèle décrit par un seul facteur de variabilité, d'analyse à deux facteurs ou d'analyse multifactorielle sinon. (Wikipedia)
Analyse en composantes principalesL'analyse en composantes principales (ACP ou PCA en anglais pour principal component analysis), ou, selon le domaine d'application, transformation de Karhunen–Loève (KLT) ou transformation de Hotelling, est une méthode de la famille de l'analyse des données et plus généralement de la statistique multivariée, qui consiste à transformer des variables liées entre elles (dites « corrélées » en statistique) en nouvelles variables décorrélées les unes des autres. Ces nouvelles variables sont nommées « composantes principales » ou axes principaux. Elle permet au statisticien de résumer l'information en réduisant le nombre de variables.
Il s'agit d'une approche à la fois géométrique (les variables étant représentées dans un nouvel espace, selon des directions d'inertie maximale) et statistique (la recherche portant sur des axes indépendants expliquant au mieux la variabilité — la variance — des données). Lorsqu'on veut compresser un ensemble de N N variables aléatoires, les n n premiers axes de l'analyse en composantes principales sont un meilleur choix, du point de vue de l'inertie ou de la variance.
L'outil mathématique est appliqué dans d'autres domaines que les statistiques et est parfois appelé décomposition orthogonale aux valeurs propres ou POD (anglais : proper orthogonal decomposition). (Wikipedia)
Composites à fibres de carbone
Frottements (mécanique)
Microstructures -- Analyse
Plan d'expérience
Polyesters
Taguchi, Méthodes de (Contrôle de qualité)
Usure (mécanique)
|
| Index. décimale : |
668.4 Plastiques, vinyles |
| Résumé : |
Fibre-reinforced polymer composites have begun to replace the conventional monolithic materials in the recent years as a result of better specific strength and enhanced characteristics. The present work has put forward an attempt to study the dry-sliding wear behaviour of CFRP composites followed by implementation of Taguchi-GRA combinatorial approach for the two output responses namely, wear and frictional force. Load (L), sliding distance (D), sliding velocity (S), and percent of fibre reinforcement (R) are considered as input conditions and the experiments were planned using design of experiments. In addition, Principal Component Analysis (PCA) has taken into consideration for the weights calculation in GRA. An elaborate study on the implementation these methodologies on the combined behaviour of wear and frictional force has been presented. Furthermore, ANOVA data is analysed, it appears that both the load (L) and the percent reinforcement (R) has greater effect towards the wear behaviour. A detailed discussion on wear mechanism has also been presented with a support of SEM morphology. |
| Note de contenu : |
- EXPERIMENTAL DETAILS : Materials and fabrication - Microstructure and chemical composition of CFRP composites - Dry-sliding wear test - Taguchi's design of experiments (DOE) - Grey relational analysis (GRA) - Principal component analysis (PCA)
- RESULTS AND DISCUSSION : Implementation of Taguchi method - Multi-parameter optimization using GRA with PCA approach - Confirmation test - Wear morphology - ANOVA for GRG
- Table 1 : Illustrates the composition of various composites
- Table 2 : Variable factors and their levels
- Table 3 : Multi-response output parameters along with S/N ratio using L16 orthogonal array
- Table 4 : S⁄N ratio response table for wear and frictional force
- Table 5 : Wear S/N ANOVA table
- Table 6 : Frictional force S/N ANOVA table
- Table 7 : Eigen values
- Table 8 : Eigen vectors for principal components and contribution
- Table 9 : GRC and GRG wear and friction calculations
- Table 10 : Summarized GRG data for levels and parameters
- Table 11 : ANOVA table for GRG
- Table 12 : Confirmation test |
| DOI : |
https://doi.org/10.18280/rcma.330201 |
| En ligne : |
https://www.iieta.org/download/file/fid/96193 |
| Format de la ressource électronique : |
Pdf |
| Permalink : |
https://e-campus.itech.fr/pmb/opac_css/index.php?lvl=notice_display&id=39959 |
in REVUE DES COMPOSITES ET DES MATERIAUX AVANCES > Vol. 33, N° 2 (04/2023) . - p. 65-73
[article]
|
Aller sur edunet
Accueil
Ajouter le résultat dans votre panier Affiner la rechercheAn integration of microstructure predictions and structural analysis in long-fiber-reinforced composite with experimental validation in INTERNATIONAL POLYMER PROCESSING, Vol. XXXII, N° 4 (08/2017)
