文献

J-GLOBAL ID：202102282427463294   整理番号：21A0769829

半経験的および機械学習モデルに基づくタングステンナノ粒子で強化したポリクロロプレンゴム(CR)の多軸疲れ寿命予測【JST・京大機械翻訳】

Multiaxial fatigue life prediction of polychloroprene rubber (CR) reinforced with tungsten nano-particles based on semi-empirical and machine learning models

著者 (5件)： Choi Joeun (Net Shape Manufacturing Laboratory, Department of Mechanical Engineering, Sogang University, Republic of Korea) ,  Quagliato Luca (Net Shape Manufacturing Laboratory, Department of Mechanical Engineering, Sogang University, Republic of Korea) ,  Lee Seungro (Net Shape Manufacturing Laboratory, Department of Mechanical Engineering, Sogang University, Republic of Korea) ,  Shin Junghoon (DongWon EN-Tec, 56-13 Hoehak-ro, 44992 Ulsan, Republic of Korea) ,  Kim Naksoo (Net Shape Manufacturing Laboratory, Department of Mechanical Engineering, Sogang University, Republic of Korea)
資料名： International Journal of Fatigue  (International Journal of Fatigue)
巻： 145  ページ： Null  発行年： 2021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： 本論文では,タングステンナノ粒子で強化したポリクロロプレンゴム(CR)からなる超弾性ゴム状材料に関する多軸疲れ実験を,ドーム高さ疲れ試験を制限するために利用した切欠き試験片および時間ガラス試験片で実施した。単軸(Choiら,2020)と多軸疲れ実験に基づいて,半経験的ε-N疲れモデルを提案し,材料異方性と複雑な応力状態の両方を説明し,平均誤差20.7%を示した。さらに,6つの機械学習モデルを疲れ寿命予測のために採用し,深いニューラルネットワークが,14.3%に等しい平均誤差で,最も正確であることを示した。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： 異方性 ,  ガラス ,  疲れ試験 ,  *タングステン ,  ニューラルネットワーク ,  一軸 ,  多軸 ,  超弾性 ,  *機械学習 ,  *ナノ粒子
準シソーラス用語： 多軸応力 ,  応力状態 ,  *多軸疲れ ,  切欠き試験片 ,  *疲労寿命推定 , 【Automatic Indexing@JST】

著者キーワード (5件)： 疲れ寿命予測 ,  多軸応力状態 ,  限界ドーム高さ実験 ,  深層ニューラルネットワーク ,  機械学習

分類 (1件)： 金属材料  (HC05020S)

タイトルに関連する用語 (10件)： 経験 ,  機械学習 ,  モデル ,  タングステン ,  ナノ粒子 ,  強化 ,  ポリクロロプレンゴム ,  Cr ,  多軸疲れ ,  寿命予測