文献

J-GLOBAL ID：202202214083078773   整理番号：22A0491963

多項式応力場の下での航空エンジンディスク確率的リスク評価のための機械学習に基づく効率的な応力拡大係数計算【JST・京大機械翻訳】

Machine learning-based efficient stress intensity factor calculation for aeroengine disk probabilistic risk assessment under polynomial stress fields

著者 (4件)： Xu Tongge (School of Energy and Power Engineering, Aircraft/Engine Integrated System Safety Beijing Key Laboratory, Beihang University, Beijing, China) ,  Ding Shuiting (School of Energy and Power Engineering, Aircraft/Engine Integrated System Safety Beijing Key Laboratory, Beihang University, Beijing, China) ,  Zhou Huimin (School of Energy and Power Engineering, Aircraft/Engine Integrated System Safety Beijing Key Laboratory, Beihang University, Beijing, China) ,  Li Guo (School of Energy and Power Engineering, Aircraft/Engine Integrated System Safety Beijing Key Laboratory, Beihang University, Beijing, China)
資料名： Fatigue & Fracture of Engineering Materials & Structures  (Fatigue & Fracture of Engineering Materials & Structures)
巻： 45  号： 2  ページ： 451-465  発行年： 2022年 
JST資料番号： H0708A  ISSN： 8756-758X  CODEN： FFESEY  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： 確率的故障リスク評価において,応力拡大係数計算の精度と効率は重要である。普遍重み関数法は効率のために広く採用されているが,この方法はまだいくつかのデバテーブル部分を持っている。正確で効率的な応力拡大係数予測のために,機械学習技術の2つのアプローチを特別に設計した。Gaussプロセス回帰,ツリー構造モデル,および人工ニューラルネットワークを評価し,補間と外挿の能力を比較した最初のアプローチに対して3つの試験を行った。結果は,人工ニューラルネットワークと極度にランダム化した木が,より良く機能することを示した。第2のアプローチにおけるハイブリッドモデルも提案し,結果はSIF計算の精度が重み関数と比較して5~35%改善されることを示した。現実の航空エンジンディスクを採用して,機械学習法の誤差は,ディスク寿命計算において20%未満であった。Copyright 2022 Wiley Publishing Japan K.K. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *円板 ,  *多項式 ,  外挿法 ,  故障 ,  *応力拡大係数 ,  ニューラルネットワーク ,  内挿法 ,  Gauss過程 ,  ツリー構造 ,  重み関数 ,  *応力場 ,  *機械学習 ,  *リスク評価
準シソーラス用語： ハイブリッドモデル ,  *航空エンジン , 【Automatic Indexing@JST】

著者キーワード (3件)： 機械学習 ,  応力拡大係数予測 ,  重み関数

分類 (2件)： 疲れ一般  (HC05010H) ,  金属材料  (HC04020L)

タイトルに関連する用語 (9件)： 多項式 ,  応力場 ,  航空エンジン ,  ディスク ,  確率 ,  リスク評価 ,  機械学習 ,  応力拡大係数 ,  計算