深層学習を用いたニッケル基超合金の微細構造特性分類【JST・京大機械翻訳】

Nwachukwu Uchechukwu; Obaied Abdulmonem; Horst Oliver Martin; Ali Muhammad Adil; Steinbach Ingo; Roslyakova Irina

文献

J-GLOBAL ID：202202238062980169 整理番号：22A0467129

深層学習を用いたニッケル基超合金の微細構造特性分類【JST・京大機械翻訳】

Microstructure property classification of nickel-based superalloys using deep learning

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=22A0467129&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=22A0467129&from=J-GLOBAL&jstjournalNo=W0484A") }}

著者 (6件)： , , , , ,
資料名：
巻： 30 号： 2 ページ： 025009 (22pp) 発行年： 2022年
JST資料番号： W0484A ISSN： 0965-0393 CODEN： MSMEEU 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)

ニッケル基超合金は,それらのユニークな機械的特性のため,高温および応力領域で広い範囲の応用を有する。高温での機械的負荷の下では,ラフティングが発生し,これらの材料の耐用年数を低下させる。ラフティングは,塑性ひずみに関連する荷重条件によって強く影響を受ける。したがって,塑性ひずみ進展の理解は,これらの材料の耐用年数の理解を助けることができる。本研究は,複雑な微細構造の手動特徴抽出の必要性を除去する技術,深い学習技法によるクリープ歪に関してニッケル基超合金を分類した。実験に類似の結果を示すフェーズフィールドシミュレーションデータを用いて,いくつかの畳み込みニューラルネットワークアーキテクチャとハイパーパラメータを有する事前訓練ニューラルネットワークを有するモデルを構築した。最適化した超パラメータをニッケル基超合金の走査電子顕微鏡画像に移し,新しいモデルを構築した。この微調整プロセスは小さな実験データセットの効果を緩和するのに役立った。構築したモデルは,フェーズフィールドデータで97.74%の分類精度と微調整後の実験データで100%の精度を達成した。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

, , , , , , , ,
, , , , , , 【Automatic Indexing@JST】

変態組織,加工組織 , 機械的性質

, , , ,

前のページに戻る