文献

J-GLOBAL ID：202102262797872110   整理番号：21A3409442

人工知能支援疲れ破壊予測【JST・京大機械翻訳】

Artificial intelligence assisted fatigue failure prediction

著者 (7件)： Schneller W. (Montanuniversitaet Leoben, Department Product Engineering, Chair of Mechanical Engineering, Franz Josef-Strasse 18, Leoben 8700, Austria) ,  Leitner M. (Technische Universiaet Graz, Institut fuer Betriebsfestigkeit und Schienenfahrzeugtechnik, Inffeldgasse 25/D, Graz 8010, Austria) ,  Maier B. (Montanuniversitaet Leoben, Department Product Engineering, Chair of Mechanical Engineering, Franz Josef-Strasse 18, Leoben 8700, Austria) ,  Gruen F. (Montanuniversitaet Leoben, Department Product Engineering, Chair of Mechanical Engineering, Franz Josef-Strasse 18, Leoben 8700, Austria) ,  Jantschner O. (Andritz AG, Statteggerstrasse 18, 8045 Graz, Austria) ,  Leuders S. (voestalpine Additive Manufacturing Center GmbH, Hansaallee 321, 40549 Duesseldorf, Germany) ,  Pfeifer T. (Pankl Systems Austria GmbH, Industriestrasse West 4, 8605 Kapfenberg, Austria)
資料名： International Journal of Fatigue  (International Journal of Fatigue)
巻： 155  ページ： Null  発行年： 2022年 
JST資料番号： D0802B  ISSN： 0142-1123  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： 本研究では,人工知能(AI)を用いた欠陥ベース疲れ破壊特性評価のための新しいアプローチを示した。人工ニューラルネットワーク(ANN)を疲れに関して高度に関連する実験的に決定したデータで訓練した。負荷応力,硬度およびキラー欠陥サイズは入力議論として定義される3つの主要パラメータである。疲れ試験は,2つの可能な出力変数を表す破壊または非破壊を明らかにした。したがって,本研究作業を受けたあらゆる試験片は,少なくとも1つのデータセットを生成する。一定の荷重レベルで全破壊が発生した後,キラー欠陥サイズを破面解析によって評価した。ニューラルネットワークのハイパーパラメータと同様にアーキテクチャを,最良の予測精度を得るために,K倍交差検証によって最適化した。最終的に,91.6%の保守的平均疲労破壊予測精度を達成した。この前例のない方法論は,複雑な評価方法論および関連する包括的高価な材料試験の広範な,誤差傾向,使用の必要のない疲れ破壊を予測する先駆的である。評価手順の専門家知識なしで,開発したAI-approachは,基本キー図形に基づく加工部品の疲労破壊の迅速で信頼性のある予測を可能にし,疲労特性評価を革命する前向き方法を示す。Copyright 2021 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  疲れ試験 ,  信頼性 ,  保全 ,  材料試験 ,  ニューラルネットワーク ,  破面検査 ,  *人工知能 ,  *疲れ破壊 ,  硬度 ,  キャラクタリゼーション ,  計算機アーキテクチャ
準シソーラス用語： 予測精度 ,  疲労特性 ,  ハイパーパラメータ , 【Automatic Indexing@JST】

著者キーワード (4件)： 疲労 ,  人工知能 ,  テンソルフロー ,  ケラ

分類 (1件)： 金属材料  (HC05020S)

タイトルに関連する用語 (4件)： 人工知能 ,  支援 ,  疲れ破壊 ,  予測