文献

J-GLOBAL ID：202202274367135171   整理番号：22A0740081

付加製造Inconel718合金の密度と欠陥の機械学習可能予測【JST・京大機械翻訳】

Machine learning-enabled prediction of density and defects in additively manufactured Inconel 718 alloy

著者 (5件)： Sah Aman Kumar (Department of Fuel, Minerals and Metallurgical Engineering, Indian Institute of Technology (ISM), Dhanbad 826004, Jharkhand, India) ,  Agilan M. (Materials and Mechanical Entity, Vikram Sarabhai Space Centre, Indian Space Research Organisation, Thiruvananthapuram 695022, Kerala, India) ,  Dineshraj S. (Materials and Mechanical Entity, Vikram Sarabhai Space Centre, Indian Space Research Organisation, Thiruvananthapuram 695022, Kerala, India) ,  Rahul M.R. (Department of Fuel, Minerals and Metallurgical Engineering, Indian Institute of Technology (ISM), Dhanbad 826004, Jharkhand, India) ,  Govind B. (Materials and Mechanical Entity, Vikram Sarabhai Space Centre, Indian Space Research Organisation, Thiruvananthapuram 695022, Kerala, India)
資料名： Materials Today Communications  (Materials Today Communications)
巻： 30  ページ： Null  発行年： 2022年 
JST資料番号： W3060A  ISSN： 2352-4928  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： エンジニアリング材料の添加剤製造は,より広く注目され,AM試料の特性は,従来の合金とは広く異なる。AM試料における特性または欠陥形成の予測は,AM成分開発を加速するであろう。本研究では,AM試料中の密度と欠陥形成を予測するために訓練された機械学習アルゴリズムを使用した。MLアルゴリズム訓練と試験のためのデータセットを生成するために実験を行い,分析したデータは試料の密度とエネルギー密度の強い相関を示した。多重MLアルゴリズムは訓練され,Naive Bayesと人工ニューラルネットワークは試験データセットの空隙率予測において85%以上の精度を示した。RFアルゴリズムは,密度予測のために訓練されたデータセットに対して最良の適合を示した。実験比較は,訓練されたアルゴリズムがAMサンプルの密度と欠陥形成を合理的によく予測できることを示した。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 ,  *合金 ,  データ ,  予測 ,  ニューラルネットワーク ,  精度 ,  多重化 ,  エネルギー密度 ,  空隙率 ,  成分 ,  *機械学習 ,  学習アルゴリズム ,  *付加製造
準シソーラス用語： 試験データ ,  Naive Bayes , 【Automatic Indexing@JST】

著者キーワード (5件)： インコネル718 ,  付加製造 ,  機械学習 ,  密度 ,  欠陥

分類 (2件)： 人工知能  (JE08000Z) ,  機械的性質  (WB02030U)

タイトルに関連する用語 (6件)： 付加製造 ,  Inconel718合金 ,  密度 ,  欠陥 ,  機械学習 ,  予測