nach oben

Erschienen in:

Open Access 28.03.2016 | Research Article

Establishing quantitative structure tribo-ability relationship model using Bayesian regularization neural network

verfasst von: Xinlei Gao, Kang Dai, Zhan Wang, Tingting Wang, Junbo He

Erschienen in: Friction | Ausgabe 2/2016

Vorheriger Artikel Selection of micro-fabrication techniques on stainless steel sheet for skin friction

Nächster Artikel Influence of molecular weight of modified ultrahigh-molecular-weight polyethylene with Cu(II) chelate of bissalicylaldehydeethylenediamine on wear-resistant materials

Titel: Establishing quantitative structure tribo-ability relationship model using Bayesian regularization neural network
verfasst von: Xinlei Gao
Kang Dai
Zhan Wang
Tingting Wang
Junbo He
Publikationsdatum: 28.03.2016
Verlag: Tsinghua University Press
Erschienen in: Friction / Ausgabe 2/2016
Print ISSN: 2223-7690
Elektronische ISSN: 2223-7704
DOI: https://doi.org/10.1007/s40544-016-0104-z

Premium Partner

Marktübersichten

Die im Laufe eines Jahres in der „adhäsion“ veröffentlichten Marktübersichten helfen Anwendern verschiedenster Branchen, sich einen gezielten Überblick über Lieferantenangebote zu verschaffen.

Zur Marktübersicht

Springer Professional

Weitere Artikel der Ausgabe 2/2016

Mechanical model of nanoparticles for material removal in chemical mechanical polishing process

Temperature analysis of a pin-on-disc tribology test using experimental and numerical approaches

Selection of micro-fabrication techniques on stainless steel sheet for skin friction

Experimental results of the tribology of aluminum measured with a pin-on-disk tribometer: Testing configuration and additive effects

Tribological behaviors of turbofan seal couples from friction heat perspective under high-speed rubbing condition

Influence of molecular weight of modified ultrahigh-molecular-weight polyethylene with Cu(II) chelate of bissalicylaldehyde-ethylenediamine on wear-resistant materials

Premium Partner

Marktübersichten