文献

J-GLOBAL ID：202202257309830270   整理番号：22A0859404

深層学習ベース超音波非破壊試験を用いた付加製造部品の空隙率評価【JST・京大機械翻訳】

Porosity Evaluation of Additively Manufactured Components Using Deep Learning-based Ultrasonic Nondestructive Testing

著者 (3件)： Park Seong-Hyun (Department of Mechanical Convergence Engineering, Hanyang University, Seoul, Republic of Korea) ,  Choi Sungho (Department of Flexible and Printable Electronics, LANL-JBNU Engineering Institute-Korea, Jeonbuk National University, Jeonju-si, Jeollabuk-do, Republic of Korea) ,  Jhang Kyung-Young (School of Mechanical Engineering, Hanyang University, Seoul, Republic of Korea)
資料名： International Journal of Precision Engineering and Manufacturing-Green Technology  (International Journal of Precision Engineering and Manufacturing-Green Technology)
巻： 9  号： 2  ページ： 395-407  発行年： 2022年 
JST資料番号： W4486A  ISSN： 2288-6206  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： 本研究は,付加的に製造された部品の多孔性評価のための深い学習ベースの超音波非破壊試験を提案した。最初に,添加剤製造(AM)加工条件による多孔性機構を,伝統的走査音響顕微鏡と光学顕微鏡を用いて研究した。第二に,超音波特性と多孔性含有量の間の相関を分析した。相関結果は,多孔性含有量の増加が超音波速度の減少と超音波減衰係数の増加をもたらすことを示した。第3に,AMサンプルで測定した生超音波信号で訓練された完全接続深層ニューラルネットワークに基づく深層学習モデルを用いて,様々なレベルの空隙率を評価した。訓練後,訓練モデルの試験性能を評価した。さらに,事前訓練モデルの一般化性能を,訓練に使用されていない新しく作製したAM試料を用いて評価した。その結果,事前訓練モデルにより評価した多孔性含有量は,従来の走査音響顕微鏡で測定したものと良く一致し,従って,添加剤製造部品の多孔性評価のための深学習ベース超音波非破壊試験の実現可能性を実証した。Copyright Korean Society for Precision Engineering 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *超音波 ,  *学習 ,  光学顕微鏡 ,  多孔性 ,  相関 ,  加工条件 ,  音響特性 ,  減衰定数 ,  モデル ,  *空隙率 ,  非破壊検査 ,  超音波速度 ,  *機械学習 ,  *付加製造
準シソーラス用語： *深層学習 ,  ディープニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (4件)： 付加製造 ,  空隙率 ,  超音波非破壊試験 ,  深層学習

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： 深層学習 ,  超音波 ,  非破壊試験 ,  付加製造 ,  空隙率 ,  評価