文献

J-GLOBAL ID：202002220031625686   整理番号：20A2770960

複雑な荷重下のDP780鋼の塑性挙動を予測するための深層ニューラルネットワークモデルの使用【JST・京大機械翻訳】

Using deep neural network model to predict the plastic behaviour of DP780 steel under complex loading

著者 (4件)： Fu Zemin (School of Mechanical Engineering, Shanghai Institute of Technology, Shanghai, 201418, China) ,  Fu Zemin (Shanghai Engineering Research Centre of Physical Vapor Deposition (PVD) Superhard Coating and Equipment, Shanghai Institute of Technology, Shanghai, 201418, China) ,  Xiong Pengpeng (School of Mechanical Engineering, Shanghai Institute of Technology, Shanghai, 201418, China) ,  Xiong Pengpeng (Shanghai Engineering Research Centre of Physical Vapor Deposition (PVD) Superhard Coating and Equipment, Shanghai Institute of Technology, Shanghai, 201418, China)
資料名： Journal of Physics: Conference Series  (Journal of Physics: Conference Series)
巻： 1684  号： 1  ページ： 012010 (9pp)  発行年： 2020年 
JST資料番号： W5565A  ISSN： 1742-6588  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： 薄板金属の成形プロセスにおいて,シートは複雑な荷重履歴を受ける。予歪の変化と歪経路の変化は,薄板金属成形プロセスに集中している。二相(DP780)薄板鋼の引張-引張実験によって,得られた流れ応力-歪曲線は,交差効果と永久硬化挙動を示した。異なる予歪,歪および歪経路の下でのDP780鋼板の流れ応力を予測するために,深いニューラルネットワークモデルを確立した。データセットを訓練セット,検証セット,およびテストセットに分割して,深いニューラルネットワークモデルを訓練,検証,試験する。テストセット予測結果と実験結果の間の相関係数は,98.88%であり,深いニューラルネットワークモデルは,大きい予測能力を持った。同時に,深いニューラルネットワークは,DP780鋼の交差効果と永久硬化挙動を正確に予測した。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 流れ応力 ,  *鋼 ,  鋼板 ,  板金加工 ,  *ニューラルネットワーク ,  相関係数 ,  引張 ,  予歪
準シソーラス用語： *神経回路網モデル ,  歪経路 ,  薄鋼板 ,  予測能力 ,  荷重履歴 , 【Automatic Indexing@JST】

分類 (1件)： 機械的性質  (WB02030U)

タイトルに関連する用語 (5件)： 荷重 ,  塑性挙動 ,  予測 ,  深層ニューラルネットワーク ,  モデル