文献

J-GLOBAL ID：202102225246193150   整理番号：21A0877251

異なるハイブリッド機械学習モデルを用いた薄い酸化物スケールの厚さを測定するための新しいテラヘルツ非破壊法【JST・京大機械翻訳】

Novel Terahertz Nondestructive Method for Measuring the Thickness of Thin Oxide Scale Using Different Hybrid Machine Learning Models

著者 (4件)： Xu Zhou (School of Mechanical and Power Engineering, East China University of Science and Technology, Shanghai 200237, China) ,  Ye Dongdong (School of Mechanical and Power Engineering, East China University of Science and Technology, Shanghai 200237, China) ,  Chen Jianjun (School of Mechanical and Power Engineering, East China University of Science and Technology, Shanghai 200237, China) ,  Zhou Haiting (Department of Quality and Safety Engineering, China Jiliang University, Hangzhou 310018, China)
資料名： Coatings (Web)  (Coatings (Web))
巻： 10  号： 9  ページ： 805  発行年： 2020年 
JST資料番号： U7162A  ISSN： 2079-6412  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 鋼ストリップの表面上の熱間圧延酸化物スケールの厚さの効果的制御は,鋼製品の表面品質を確保するために非常に重要である。したがって,テラヘルツ非破壊技術を提案して,薄い酸化物スケールの厚さを測定した。有限差分時間領域(FDTD)数値シミュレーション法を用いて,種々の厚さ(015m)の酸化物スケールのテラヘルツ時間領域シミュレーションデータを得た。10dBの信号雑音低減(SNR)を有する付加Gauss白色雑音を,ノイズを減らし,それらの有効性を比較するために,4つのウェーブレット雑音除去法を用いて,実際の試験信号をシミュレートするとき使用した。2つの機械学習アルゴリズムを採用して,古典的バックプロパゲーション(BP)ニューラルネットワークアルゴリズムと新規極端学習機械(ELM)アルゴリズムを含むこの目標を達成するために,モデルをセットアップした。主成分分析(PCA)アルゴリズムと粒子群最適化(PSO)アルゴリズムを結合して,テラヘルツ時間領域データの次元を減らし,機械学習モデルのロバスト性を改善した。新しいハイブリッドPCA-PSO-ELMモデルは,優れた予測性能を有することが明確に見られた。最後に,本研究は,鉄および鋼製品の表面品質を改善するために使用できる,新規で,便利で,オンラインで,非破壊で,非接触で,安全性が高く,高精度の薄い酸化物スケール厚さ測定法を提案した。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  鉄 ,  鋼 ,  *酸化膜 ,  雑音低減 ,  主成分分析 ,  ロバスト性 ,  逆伝搬法 ,  *機械学習 ,  学習アルゴリズム ,  有限差分時間領域法 ,  *テラヘルツ波
準シソーラス用語： 数値シミュレーション ,  オンライン ,  時間領域 , 【Automatic Indexing@JST】

著者キーワード (4件)： テラヘルツ ,  酸化物スケール ,  FDTD ,  機械学習

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

引用文献 (69件)：

• Kim, S.R.; Lee, S.; Kang, H.G.; Park, J.W. Oxide scale on stainless steels and its effect on sticking during hot-rolling. Corros. Sci. 2019, 164, 108357.
• Chen, R.Y.; Yuen, W.Y.D. Oxide-scale structures formed on commercial hot-rolled steel strip and their formation mechanisms. Oxid. Met. 2001, 56, 89-118.
• Schwertmann, U.; Cornell, R.M. The Iron Oxides Iron Oxides in the Laboratory: Preparation and Characterization; Wiley-VCH Verlag GmbH & Co. KGaA: Weinheim, Germany, 2007.
• Chen, R.Y.; Yuen, W.Y.D. Examination of oxide scales of hot rolled steel products. ISIJ Int. 2005, 45, 52-59.
• Chattopadhyay, A.; Bandyopadhyay, N.; Das, A.K.; Panigrahi, M. Oxide scale characterization of hot rolled coils by raman spectroscopy technique. Scr. Mater. 2005, 52, 211-215.

タイトルに関連する用語 (4件)： 機械学習 ,  モデル ,  酸化物スケール ,  テラヘルツ