文献

J-GLOBAL ID：201002256679055280   整理番号：10A0779031

ニューラルネットワークを用いたIN625合金の熱間加工パラメータと流れ応力のモデリング相関関係

Modelling correlation between hot working parameters and flow stress of IN625 alloy using neural network

著者 (2件)： MONTAKHAB M. (Sharif Univ. Technol., Tehran, IRN) ,  BEHJATI P. (Sharif Univ. Technol., Tehran, IRN)
資料名： Materials Science and Technology  (Materials Science and Technology)
巻： 26  号： 5  ページ： 621-625  発行年： 2010年05月 
JST資料番号： C0304C  ISSN： 0267-0836  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 最適トレーニングした人工ニューラルネットワーク(ANN)を開発し,熱間加工パラメータ(温度,歪速度,歪)と粉末冶金圧粉体の熱間押出で作製したIN625合金の流れ応力の相関関係をモデル化した。ANNのモデリングを適用したところ,以下が判明した。よくトレーニングしたネットワークは,熱間加工パラメータの関数としてIN625合金の流れ応力を正確に予測することができた。ネットワークトレーニングに使用した様々なアルゴリズムの中で,Levenberg-Marquardtアルゴリズムは平均自乗誤差が最小で,反復数が最少だった。トレーニングしたANNモデルは,合金の流れ応力のプロセスパラメータの組合せ影響をシミュレーションする性能があった。感度解析によると,温度は合金の流れ応力に最大の影響を及ぼし,それは冶金の基礎と一致した。

シソーラス用語： 熱間加工 ,  *流れ応力 ,  *超合金 ,  ニューラルネットワーク ,  モデリング ,  プロセスパラメータ ,  歪速度 ,  粉末冶金 ,  圧粉体 ,  誤差 ,  アルゴリズム
準シソーラス用語： IN625 ,  最小平均自乗誤差 ,  人工ニューラルネットワーク

分類 (1件)： 機械的性質  (WB02030U)

タイトルに関連する用語 (6件)： ニューラルネットワーク ,  熱間加工 ,  パラメータ ,  流れ応力 ,  モデリング ,  相関関係