Beta
253851

EVALUATION OF THE DIELECTRIC STRENGTH BEHAVIOR OF RUBBER BLENDS USING FEED-FORWARD NEURAL NETWORK IN DIFFERENT ENVIRONMENTAL CONDITIONS

Article

Last updated: 03 Jan 2025

Subjects

-

Tags

Electrical engineering

Abstract

Polymers have been frequently employed in electrical applications because of their strong thermal and electrical insulating qualities, low density, and chemical resistance. In this study, a comparison between the behaviour and electrical properties of polymer blends and the results of artificial neural network (ANN) modelling has been conducted. Five samples of silicon rubber (SiR) and ethylene propylene diene monomer (EPDM) were prepared in different proportions. A dielectric test was used to test the dielectric performance of insulation samples under various polluting conditions such as dry, wet, low salinity, and high salinity wet according to ASTM standards. Percentage of blend and dielectric strength were used by ANN modelling for varying ambient conditions. The observations on ANN results and the experimental results have shown sufficient accuracy mutually. The artificial intelligence modelling studies for this article prove the applicability of the behavioural and electrical properties of EPDM/SiR blends. These findings indicate that artificial neural networks can be a useful tool for conducting experiments on the behaviour and electrical properties of polymer materials.
 
يهدف هذه البحث إلى دراسة تأثير شدة العزل الکهربي للعازالت من مادة البوليمر المولفة من المطاط ومنها السليکون المطاطي وااليثيلين بروبلين دايين مون ومر في الظروف البيئية المختلفة ومحاکاة النتائج المعملية باستخدام شبکة التغذية االمامية العصبية. تم دراسة أداء العينات المختلفة من حيث مقدار شدة العزل الکهربي عند الحالة الجافة والحالة الرطبة وعند بيئة منخفضة الملوحة وأيضا بيئة عالية الملوحة. تم تحضير خمس عينات مختلفة من خلطات SiR-EPDM ( 100/0 ؛ 75/25 ؛ 50/50 ؛ 25 /75 ؛ 0/100 .)تم قياس جهد وفقً ASTM .تم استخدام البيانات التجريبية لتدريب نموذج االنهيار )BDV )تحت هذه الظروف البيئية في معمل الجهد العالي ا لمعايير ANN .تمثل نسبة المزج والحالة الجافة والحالة الرطبة والحالة منخفضة الملوحة والحالة عالية الملوحة الدخل لـ FFNN بينما يمثل جهد االنهيار الخرج. تمت مقارنة المخرجات التي تم الحصول عليها من ANN وفحصها مقابل البيانات التي تم الحصول عليها في المختبر. تشير هذه الدراسة إلى أنه يمکن الوثوق بـ ANN لمحاکاة تأثير الظروف البيئية المختلفة على جهد االنهيار للعينات العازلة بمعدل مر ٍض. کما يوضح أي ًضا أن محاکاة ANN هي أداة فعالة يمکن اعتمادها کمرجع لتقليل الوقت والتکلفة الالزمين إلعداد العينات واختبارها في المعمل.

DOI

10.21608/auej.2022.253851

Keywords

ethylene propylene diene monomer (EPDM), artificial Neural Network `(ANN), Silicone Rubber (SiR), Breakdown Voltage (BDV). : إيثيلين بروبيلين ديين مونومي ر )EPDM, )الشبکة العصبية االصطناعية )ANN, )مطاط السيليکون )SiR, ) جهد االنهيار )BDV.)

Authors

First Name

Mansour

Last Name

Abdalla

MiddleName

Mahmoud

Affiliation

Electrical Power & Machines Dept., Faculty of Engineering, Al-Azhar University, Qena, Egypt.

Email

mansourabdalla.2038@azhar.edu.eg

City

-

Orcid

-

First Name

Loai

Last Name

Nasrat

MiddleName

S

Affiliation

Electrical Power &Machines Dept., Faculty of Engineering, Aswan University, Aswan, Egypt.

Email

-

City

-

Orcid

-

First Name

A. H. I.

Last Name

Mansour

MiddleName

-

Affiliation

Electrical Power &Machines Dept., Faculty of Engineering, Aswan University, Aswan, Egypt.

Email

-

City

-

Orcid

-

First Name

El-said

Last Name

Othman

MiddleName

A

Affiliation

Electrical Power &Machines Dept., Faculty of Engineering, Al-Azhar University, Cairo, Egypt

Email

-

City

-

Orcid

-

Volume

17

Article Issue

64

Related Issue

36088

Issue Date

2022-07-01

Receive Date

2022-03-15

Publish Date

2022-08-09

Page Start

1,002

Page End

1,012

Print ISSN

1687-8418

Link

https://jaes.journals.ekb.eg/article_253851.html

Detail API

https://jaes.journals.ekb.eg/service?article_code=253851

Order

13

Type

Original Article

Type Code

706

Publication Type

Journal

Publication Title

Journal of Al-Azhar University Engineering Sector

Publication Link

https://jaes.journals.ekb.eg/

MainTitle

EVALUATION OF THE DIELECTRIC STRENGTH BEHAVIOR OF RUBBER BLENDS USING FEED-FORWARD NEURAL NETWORK IN DIFFERENT ENVIRONMENTAL CONDITIONS

Details

Type

Article

Created At

22 Jan 2023