文献

J-GLOBAL ID：202202258007844460   整理番号：22A0476123

マルチスケールシミュレーション,実験および機械学習を用いた被覆複合円筒の近傍場水中爆発応答の予測【JST・京大機械翻訳】

Predicting the near field underwater explosion response of coated composite cylinders using multiscale simulations, experiments, and machine learning

著者 (4件)： Nayak Sumeru (Civil and Environmental Engineering, University of Rhode Island, Kingston, RI, USA) ,  Lyngdoh Gideon A. (Civil and Environmental Engineering, University of Rhode Island, Kingston, RI, USA) ,  Shukla Arun (Simon Ostrach Professor, Mechanical, Industrial and Systems Engineering, University of Rhode Island, Kingston, RI, USA) ,  Das Sumanta (Civil and Environmental Engineering, University of Rhode Island, Kingston, RI 02881, USA)
資料名： Composite Structures  (Composite Structures)
巻： 283  ページ： Null  発行年： 2022年 
JST資料番号： D0145B  ISSN： 0263-8223  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： 機械学習(ML)を用いた被覆複合円筒の水中爆発応答の予測は,大きく,一貫した,正確で,代表的なデータセットを必要とする。しかし,そのような信頼できる大きな実験データセットは,容易に利用できない。そのうえ,MLアルゴリズムは,非物理的予測を避けるために,物理学の基本的法則によって殺す必要がある。これらの課題に取り組むために,本論文は,近接場水中爆発を受ける被覆複合円筒の応答を予測するために,MLを高スループットマルチスケール有限要素(FE)シミュレーションと相乗的に統合した。マルチスケールアプローチからのシミュレートした応答は実験観察と非常に良く相関した。マルチスケールアプローチの検証の後,3800以上の組合せを含む代表的で一貫したデータセットを,繊維/マトリックス/被覆材料特性,被覆厚さ,および爆発エネルギーとスタンドオフ距離のような実験変数を変えることによって,高スループットマルチスケールシミュレーションを用いて開発した。データセットは,優れた予測を示すフィードフォワード多層パーセプトロンベースニューラルネットワーク(NN)手法を用いて,近接場水中爆発を受ける被覆複合円筒の応答を予測するために活用した。全体として,ここで提示した物理ベースシミュレーションによる相乗的アプローチは,材料科学者および技術者が,複合材料構造における水中爆発軽減のための革新的設計戦略の展望において,知的で,インフォームドな決定を可能にする可能性がある。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  *シミュレーション ,  複合材料 ,  円筒 ,  *被覆 ,  フィードフォワード ,  近傍場 ,  多層パーセプトロン ,  *機械学習 ,  近接場
準シソーラス用語： *マルチスケール ,  ハイスループット ,  有限要素 ,  *水中爆発 ,  *マルチスケールシミュレーション , 【Automatic Indexing@JST】

著者キーワード (6件)： 複合材料 ,  水中爆発 ,  爆風荷重 ,  有限要素 ,  マルチスケールシミュレーション ,  機械学習

分類 (1件)： 曲板  (HD03070K)

タイトルに関連する用語 (7件)： マルチスケールシミュレーション ,  実験 ,  機械学習 ,  近傍場 ,  水中爆発 ,  応答 ,  予測