Zastosowanie sztucznych sieci neuronowych do kształtowania właściwości materiału polimerowego z przeznaczeniem dla transportu szynowego

Sztuczne sieci neuronowe znajdują szerokie zastosowanie w różnych dziedzinach techniki. Moda na to potężne narzędzie informatyczne nie ominęła także transportu kolejowego, gdzie jest stosowane w diagnostyce, prognozowaniu, optymalizacji. Można je również z powodzeniem stosować do poszukiwania materiałów spełniających odpowiednie kryteria, łącząc ze sobą kilka cech materiałowych takich, jak na przykład właściwości mechaniczne i palne. Materiały polimerowe dostępne na rynku często nie spełniają wysokich wymagań pod względem właściwości palno-dymowych, zatem konieczne jest dodawanie do nich odpowiednich środków (uniepalniaczy), poprawiających tę cechę materiałową, ale znacznie pogarszających właściwości mechaniczne. Takim popularnym materiałem reprezentującym ogromną grupę tworzyw styrenowych o szerokich zastosowaniach w budowie taboru szynowego, jest polistyren wysokoudarowy. Uzyskanie wieloskładnikowej, trudnopalnej mieszaniny tworzywowej na bazie polistyrenu wysokoudarowego (HIPS) jest trudne i pracochłonne. W celu znalezienia potencjalnie najlepszego składu, byłoby konieczne przeprowadzenie wielu prób technologicznych. W związku z tym, do rozszerzenia obszaru poszukiwań składu mieszaniny w celu uzyskania najlepszych właściwości zarówno mechanicznych, jak i palno-dymowych, wykorzystano sztuczne sieci neuronowe. W artykule przedstawiono zastosowanie tych sieci do określenia właściwego składu materiału spełniającego wymagania palnościowe dla materiałów stosowanych w transporcie szynowym.

Artificial neural networks find wide application in various fields of engineering. This trend to use such powerful information technology tool was not avoided by the railway transport either. Therefore, it is used in diagnosis, forecasting, and optimization. It may be successfully used when searching materials satisfying certain criteria and combining good mechanical and non-flammability properties. Quite often, commercially available polymers do not meet with high requirements regarding non-flammability and smoke production properties. Therefore, it is necessary to use proper additives (anti-flammability agents) to achieve desired properties, however, they deteriorate mechanical strength considerably. High Impact Polystyrene (HIPS) is common representative of large group of styrenes and is widely used in the rolling stock construction. Slow-burning plastic compound based on high impact polystyrene (HIPS) is difficult and laborious to obtain. Extensive research is necessary to find potentially most favourable composition. Consequently, artificial neural networks (ANN) have been used to broaden the area of search for such composition that features satisfactory mechanical, non-flammable and low smoke production properties. The paper presents the use of neural networks for the determination of proper composition to satisfy non-flammability properties of the materials used in railway transport.