文献

J-GLOBAL ID：202202243887104217   整理番号：22A0978719

最小歪を与える溶接シーケンスを予測するための機械学習モデルの使用【JST・京大機械翻訳】

Using Machine Learning Models to Predict Weld Sequence giving Minimum Distortion

著者 (8件)： Devaraj Jeyaganesh (UAE University,Department of Mechanical Engineering,Al Ain,UAE) ,  Ziout Aiman (UAE University,Department of Mechanical Engineering,Al Ain,UAE) ,  Qudeiri Jaber Abu (UAE University,Department of Mechanical Engineering,Al Ain,UAE) ,  Baalfaqih Rashfa (UAE University,Department of Mechanical Engineering,Al Ain,UAE) ,  Baalfaqh Nasmah (UAE University,Department of Mechanical Engineering,Al Ain,UAE) ,  Alahbabi Kanna (UAE University,Department of Mechanical Engineering,Al Ain,UAE) ,  Alnaqbi Maitha (UAE University,Department of Mechanical Engineering,Al Ain,UAE) ,  Alhosan Noura (UAE University,Department of Mechanical Engineering,Al Ain,UAE)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2022  号： ASET  ページ： 1-6  発行年： 2022年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 溶接接合の性能と信頼性に影響する最も一般的な問題の一つは歪である。溶接順序は歪にかなりの影響を与えることが分かった。この点に関して,溶接シーケンス最適化(WSO)は,初期設計段階でこれらの制約を防ぎ,製造部門における総資本コストを最小化するのに有用である。溶接プロセスは,通常,熟練した溶接機によって決定され,ある環境において,実験戦略が必要である。本研究では,現実的な実験,シミュレーションソフトウェア,および人工ニューラルネットワーク(ANN)を用いて,複雑な構造の歪みを最小化する。軟鋼AISI1008とステンレス鋼SS304との異種継手に対するガス金属アーク溶接を用いて実験を行い,MSC Simfactive Weldingソルバを用いて有限要素モデル(FEM)を作成し,種々の試験により確認した。この論文の目的は,溶接プロセスの間に誘起された歪みを予測するための実用的戦略を開発し,そして,ホットエンコードによるANNモデルを採用してWSOを試験することである。その結果,溶接プロセス時に得られた最大歪から,歪みは87.7%減少した。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. 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 ,  信頼性 ,  ステンレス鋼 ,  軟鋼 ,  *溶接 ,  溶接機 ,  ニューラルネットワーク ,  資本費用 ,  ウェルドボンディング ,  GMA溶接 ,  機械学習
準シソーラス用語： ソルバ ,  FEMモデル ,  シミュレーションソフトウェア , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： 歪 ,  溶接 ,  シーケンス ,  予測 ,  機械学習 ,  モデル