• Bulletin of the Korean Mathematical Society
• /
• v.55 no.3
• /
• pp.679-698
• /
• 2018

In this paper, with optimal normalized constants, the asymptotic expansions of the distribution and density of the normalized maxima from generalized Maxwell distribution are derived. For the distributional expansion, it shows that the convergence rate of the normalized maxima to the Gumbel extreme value distribution is proportional to 1/ log n. For the density expansion, on the one hand, the main result is applied to establish the convergence rate of the density of extreme to its limit. On the other hand, the main result is applied to obtain the asymptotic expansion of the moment of maximum.

• The Korean Journal of Rheology
• /
• v.8 no.2
• /
• pp.103-118
• /
• 1996

변형된 Maxwell 모델을 모의 데이터와 폴리스티렌의 동적 실험 데이터인 G＇과 G ＂에 적용하여 연속 완화시간 스펙트럼을 결정하였고, Maxwell 모델을 사용했을 때 얻어지 는 불연속 완화시간 스펙트럼과 비교하였다. MGMM과 GMM 모두 선형회귀 방법과 비선 형회귀 방법을 사용하여 완화시간 스펙트럼을 결정하였는데 비선형 방법을 사용했을 때 선 형방법에 비해 좀 더 만족스러운 결과를 얻을수 있었다. 모의 데이터의 경우 사용한 완화시 간의 수가 많은 경우에는 MGMM과 GMM 모두 원래의 스펙트럼을 잘 재현했으나 완화시 간의 수가 작은 경우에는 MGMM이 GMM에 비해 원래의 완화시간 스펙트럼을 보다 잘 나 타내었다. 또 단분산성폴리스티렌의 경우 MGMM과 GMM의 완화시간 스펙트럼이 모두 작 은 완화시간 영역에서는 분자량에 무관했고 큰 완화시간 영역에서는 분자량이 커질수록 스 펙트럼이 완화시간이 커지는 쪽으로 이동하였다. 또 두드러진 terminal 완화시간을 볼수 있 었다. 그러나 다분산성 폴리스티렌의 경우에는 단분산성의 경우와는 달리 두드러진 terminal 완화시간을 볼수 없었다. 그리고 MGMM의 파라미터 m은 분자량 분포에 크게 의존함을 알 수 있었으며 연속 완화시간 스펙트럼에서 계산된 불연속 완화시간 스펙트럼이 GMM에서 얻어진 불연속 완화시간 스펙트럼과 잘 일치함을 볼수 있었다.

• Advances in nano research
• /
• v.12 no.1
• /
• pp.81-99
• /
• 2022

The aim of current work is to evaluate thermo-electrical characteristics of graphene nanoplatelets Reinforced Composite (GNPRC) coupled with magneto-electro-elastic (MEE) face sheet. In this regard, a cylindrical smart nanocomposite made of GNPRC with an external MEE layer is considered. The bonding between the layers are assumed to be perfect. Because of the layer nature of the structure, the material characteristics of the whole structure is regarded as graded. Both mechanical and thermal boundary conditions are applied to this structure. The main objective of this work is to determine critical temperature and critical voltage as a function of thermal condition, support type, GNP weight fraction, and MEE thickness. The governing equation of the multilayer nanocomposites cylindrical shell is derived. The generalized differential quadrature method (GDQM) is employed to numerically solve the differential equations. This method is integrated with Deep Learning Network (DNN) with ADADELTA optimizer to determine the critical conditions of the current sandwich structure. This the first time that effects of several conditions including surrounding temperature, MEE layer thickness, and pattern of the layers of the GNPRC is investigated on two main parameters critical temperature and critical voltage of the nanostructure. Furthermore, Maxwell equation is derived for modeling of the MEE. The outcome reveals that MEE layer, temperature change, GNP weight function, and GNP distribution patterns GNP weight function have significant influence on the critical temperature and voltage of cylindrical shell made from GNP nanocomposites core with MEE face sheet on outer of the shell.