文献

J-GLOBAL ID：201202248464596509   整理番号：12A0291740

焼入したままのA357合金の流れ応力の予測へ人工ニューラルネットワークの適用

Application of artificial neural network to predict flow stress of as quenched A357 alloy

著者 (6件)： YANG X. W. (Harbin Inst. Technol., Harbin, CHN) ,  ZHU J. C. (Harbin Inst. Technol., Harbin, CHN) ,  LAI Z. H. (Harbin Inst. Technol., Harbin, CHN) ,  KONG Y. R. (Harbin Inst. Technol., Harbin, CHN) ,  ZHAO R. D. (Harbin Inst. Technol., Harbin, CHN) ,  HE D. (Harbin Inst. Technol., Harbin, CHN)
資料名： Materials Science and Technology  (Materials Science and Technology)
巻： 28  号： 2  ページ： 151-155  発行年： 2012年02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： 0.001~1/sの歪範囲と200~500°Cの温度範囲で焼入状態のA357の試験片で一連の等温圧縮試験を実施した。圧縮試験での大量の実験データに基づいて,焼入状態のA357合金に関する逆伝搬学習アルゴリズムをもったANNを提唱した。このアルゴリズムをもつANNモデルを焼入したままのA357合金の流動応力を予測するために確立した。ANNモデルの予測の流れ応力と実験データとの間の平均相対誤差は2.89%であり,それは予測ANNモデルがはるかに高い精度と少ない誤差と基本的には実験データと予測値が一致することを示した。したがって,提案したこのモデルは急冷A357合金の構成関係の正確な予測モデルとして使用できる。変形試験で観察した材料挙動は複雑であった。4つの歪速度実験については,歪速度の増加はほとんど,低温で焼入のままのA357合金の流動応力に影響を与えないが,350°Cを超えた実験では,流れ応力の値は変形温度の増加につれ減少し,歪速度の増加で減少した。3つの高い歪速度実験では,流動応力は,250°C未満で歪速度の増加と共に減少した。30°C未満の低歪速度実験については,材料は歪が特定値よりも大きい場合,軟化挙動を示した。200と300°Cの実験では軟化挙動は250°Cの実験の軟化挙動よりも弱かった。

シソーラス用語： ニューラルネットワーク ,  *焼入 ,  *流れ応力 ,  *アルミニウム合金 ,  自己組織化 ,  圧縮試験 ,  逆伝搬法 ,  学習アルゴリズム ,  塑性歪
準シソーラス用語： *A357 ,  人工ニューラルネットワーク

分類 (2件)： 熱処理技術  (WC03020T) ,  機械的性質  (WB02030U)

タイトルに関連する用語 (5件)： 焼入 ,  A357合金 ,  流れ応力 ,  予測 ,  人工ニューラルネットワーク