文献

J-GLOBAL ID：202202244324310478   整理番号：22A0454577

ディープラーニングアプローチによるショットピーニングを受けた傾斜ナノ構造316L鋼の疲労挙動と残留応力緩和の解析【JST・京大機械翻訳】

Analysing the Fatigue Behaviour and Residual Stress Relaxation of Gradient Nano-Structured 316L Steel Subjected to the Shot Peening via Deep Learning Approach

著者 (4件)： Maleki Erfan (Department of Mechanical Engineering, Politecnico di Milano, Milan, Italy) ,  Unal Okan (Department of Mechanical Engineering, Karabuk University, Karabuk, Turkey) ,  Guagliano Mario (Department of Mechanical Engineering, Politecnico di Milano, Milan, Italy) ,  Bagherifard Sara (Department of Mechanical Engineering, Politecnico di Milano, Milan, Italy)
資料名： Metals and Materials International  (Metals and Materials International)
巻： 28  号： 1  ページ： 112-131  発行年： 2022年 
JST資料番号： W0990A  ISSN： 1598-9623  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 本研究では,AISI316Lステンレス鋼の疲労荷重下のミクロ組織,機械的性質,残留応力,疲労挙動および残留応力緩和に及ぼすショットピーニングプロセスの運動エネルギーの影響を調べ,疲労亀裂開始および破壊のメカニズムを明らかにした。ミクロ組織観察,硬度,粗さ,誘起残留応力および残留応力緩和ならびに軸方向疲れ試験を含む結果を得るために,実験の変動を適用した。次に,ニューラルネットワークによる深い学習アプローチを,ショットピーニング材料の機械的性質と疲労挙動のモデリングのために使用した。包括的パラメトリック解析を行って,異なる重要なパラメータの影響を調べた。その後,ニューラルネットワーク解析の結果に従って,望ましいパラメータを最適化し,実験的に検証するために,更なる実験を行った。得られた結果に基づいて,改善された機械的性質と疲労挙動に関するショットピーニング被覆率の好ましい範囲は,21A(0.001インチ)のAlmen強度を考慮して1750%以上と同定された。グラフ抽象;Copyright The Author(s) 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 機械的性質 ,  最適化 ,  *残留応力 ,  疲れ試験 ,  疲れ亀裂 ,  *鋼 ,  ステンレス鋼 ,  ニューラルネットワーク ,  *ショットピーニング ,  疲れ荷重 ,  *ナノ構造
準シソーラス用語： パラメトリック解析 ,  *SUS316L ,  *疲労挙動 ,  *残留応力緩和 , 【Automatic Indexing@JST】

著者キーワード (6件)： Evereショットピーニング ,  ナノ結晶化 ,  残留応力 ,  疲労挙動 ,  深層学習 ,  ニューラルネットワーク

分類 (2件)： 金属材料  (HC03020E) ,  機械的性質  (WB02030U)

タイトルに関連する用語 (7件)： ディープラーニング ,  ショットピーニング ,  ナノ構造 ,  316L ,  疲労挙動 ,  残留応力緩和 ,  解析