文献

J-GLOBAL ID：201202261566503250   整理番号：12A1080463

多重回帰分析と人工神経回路網を用いる打抜きプロセスのモデリング

Modeling Blanking Process Using Multiple Regression Analysis and Artificial Neural Networks

著者 (5件)： AL-MOMANI Emad S. (Binghamton Univ., SUNY, Dep. of Systems Sci. and Industrial Engineering, 13902-6000, Binghamton, NY, USA) ,  MAYYAS Ahmad T. (Clemson Univ., Dep. of Automotive Engineering, 29634, Clemson, SC, USA) ,  MAYYAS Ahmad T. (Clemson Univ., International Center for Automotive Res. (CU-ICAR), CGEC, 4 Res. Drive, 29607, Greenville, SC, USA) ,  RAWABDEH Ibrahim (Univ. of Jordan, Dep. of Industrial Engineering, 11942, Amman, Jordan) ,  ALQUDAH Rajaa (Syracuse Univ., Dep. of Electrical Engineering and Computer Sci., 13244, Syracuse, NY, USA)
資料名： Journal of Materials Engineering and Performance  (Journal of Materials Engineering and Performance)
巻： 21  号： 8  ページ： 1611-1619  発行年： 2012年08月 
JST資料番号： C0161B  ISSN： 1059-9495  CODEN： JMEPEG  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 打抜きプロセスの設計は,工具と工作物材料(ブランク材厚さ,硬さ,延性等)の機械的性質の両方を扱える手段を利用できることが必要である。ばり高さによって代表される打抜き端部の品質を予測する2つのモデルの開発と比較を提示する。最初のモデルは人工神経回路網(ANN)をベースとするものであり,2番目のモデルは多重回帰分析(MRA)をベースとするものである。打抜きプロセスの有限要素モデリングを用いて,両モデルのデータを作り出した。ANN,MRA両方ともに良好な予測結果を出すことが出来るが,ANNはMRAと比較すると隠された非線形関係を効果的に扱うために一層正確である。実験とモデルの結果とを比較すると,2次のMRAで得た炭素鋼の15.18%,CRESの14.22%と比較してANNの場合の平均絶対相対誤差は炭素鋼で<2.20%,耐食鋼(CRES)で4.85%であった。したがって,ANNのアウトプットを用いて,測定されたものよりむしろ満足できる結果を推定することができ,試験時間とコストを減少させることができる。Copyright 2011 ASM International Translated from English into Japanese by JST.

シソーラス用語： *鋼板 ,  炭素鋼 ,  耐食性金属 ,  *打抜 ,  *加工欠陥 ,  *ばり ,  *予測技法 ,  *多重回帰分析 ,  *ニューラルネットワーク
準シソーラス用語： 相対誤差 ,  有限要素モデル

分類 (1件)： プレス加工  (WC04050H)

タイトルに関連する用語 (5件)： 多重回帰分析 ,  人工神経回路網 ,  打抜き ,  プロセス ,  モデリング