文献

J-GLOBAL ID：201802275832629906   整理番号：18A1148922

動径基底関数ニューラルネットワークを用いた航空機アルミニウム合金における疲れ亀裂成長速度の予測【JST・京大機械翻訳】

Prediction of fatigue crack growth rate in aircraft aluminum alloys using radial basis function neural network

著者 (5件)： Younis Hassaan Bin (National University of Sciences and Technology, Islamabad, Pakistan) ,  Kamal Khurram (National University of Sciences and Technology, Islamabad, Pakistan) ,  Sheikh Muhammad Fahad (National University of Sciences and Technology, Islamabad, Pakistan) ,  Hamza Amir (National University of Sciences and Technology, Islamabad, Pakistan) ,  Zafar Tayyab (National University of Sciences and Technology, Islamabad, Pakistan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ICACI  ページ： 825-830  発行年： 2018年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： 航空機構造における疲れ亀裂伝搬は,ライフリスクが金融損失以外に含まれるので,重要な問題である。応力拡大係数,Δκと疲れ亀裂成長速度,da/dN間の関係はParis領域(領域II)でも非線形である。解析技術は,非線形性を扱うためにそれほど柔軟でない。疲労の結果として開発された亀裂成長速度の正確な予測は,工学構造の疲れ寿命を評価するために重要である。機械学習アルゴリズムは,それらの優れた学習能力と柔軟な性質のために,非線形性に対して満足のいくものである。本論文は,動径基底関数ニューラルネットワーク(RBF-NN)を用いた亀裂成長速度の予測のためのMLAベース技術を提示した。提案した技術を航空機構造に用いる種々のアルミニウム合金について試験した。最小予測MSEは7055-T7511アルミニウム合金に対して1.1315の10-9として達成された。結果は実験データと非常に良く一致した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【JST・京大機械翻訳】

シソーラス用語： *疲れ亀裂成長速度 ,  応力拡大係数 ,  *予測 ,  *疲れ亀裂成長 ,  学習アルゴリズム ,  *航空機 ,  疲れ寿命 ,  非線形性 ,  *アルミニウム合金 ,  金融
準シソーラス用語： 学習能力 ,  *亀裂伝搬速度 ,  航空機構造 ,  *動径基底関数ニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 金属材料  (HC05020S)

タイトルに関連する用語 (5件)： 動径基底関数ニューラルネットワーク ,  航空機 ,  アルミニウム合金 ,  疲れ亀裂成長速度 ,  予測