文献

J-GLOBAL ID：202202280169628542   整理番号：22A1099606

マイクロ炭化ホウ素とカーボンナノチューブ粒子強化Al-Mgマトリックス複合材料の機械加工中の表面粗さ生成の機械学習ベース予測モデリングと制御【JST・京大機械翻訳】

Machine learning based predictive modeling and control of surface roughness generation while machining micro boron carbide and carbon nanotube particle reinforced Al-Mg matrix composites

著者 (3件)： Sekhar Ravi (Symbiosis Institute of Technology (SIT), Symbiosis International (Deemed University) (SIU), Pune, India) ,  Singh T. P. (Department of Mechanical Engineering, Thapar Institute of Engineering & Technology, Patiala, India) ,  Shah Pritesh (Symbiosis Institute of Technology (SIT), Symbiosis International (Deemed University) (SIU), Pune, India)
資料名： Particulate Science and Technology  (Particulate Science and Technology)
巻： 40  号： 3  ページ： 355-372  発行年： 2022年 
JST資料番号： D0645B  ISSN： 0272-6351  CODEN： PTCHDS  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： 機械学習は,複雑な問題を工学で解決する。本研究では,マイクロ炭化ホウ素と多層カーボンナノチューブ粒子で強化されたAl-Mg系金属基複合材料(MMC)の加工中の表面粗さ発生の予測モデリングに機械学習方法論を適用した。機械学習を,外因性変数(ARX)による自己回帰,外因性変数(ARMAX)による自己回帰移動平均,Box Jenkins(BJ)および出力誤差(OE)のようなモデリング構造のパラメータ推定のために使用した。同定したモデルをFIT,最終予測誤差(FPE)および平均二乗誤差(MSE)に基づいて検証した。PID,分数次数PID(FOPID),複素次数PID(COPID)およびモデル予測コントローラ(MPC)を用いて,最良性能予測モデルに基づく加工表面粗さを効果的に制御した。一次結果は以下を示した。(1)CNT MMCsは10倍高い強化画分(2)ARX441およびARMAX3331を有するマイクロMMCによるそれに匹敵する表面粗さを生成し,それぞれ,ARX441およびARMAX3331は,ナノおよびマイクロMMCに対して最良の性能予測モデルであり,最大性能計量(安全性)としてピークオーバーシュートを考慮し,次いで沈降時間(生産性)を考慮すれば,それぞれ,PIDおよびMPCはマイクロおよびナノMMCシステムに対する最良の制御装置であった。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 沈降 ,  回帰分析 ,  予測 ,  *モデリング ,  *機械工作 ,  パラメータ推定 ,  *炭化ホウ素 ,  *機械学習 ,  予測誤差 ,  多層カーボンナノチューブ ,  予測モデル ,  金属基複合材料
準シソーラス用語： 平均二乗誤差 ,  性能予測 ,  自己回帰 ,  モデル予測 , 【Automatic Indexing@JST】

著者キーワード (6件)： 機械学習 ,  予測モデリング ,  金属マトリックス複合材料 ,  分数次数制御器 ,  複素次数制御器 ,  モデル予測制御器

分類 (1件)： 粒状物調査測定  (SB03060E)

タイトルに関連する用語 (12件)： 炭化ホウ素 ,  カーボンナノチューブ ,  粒子強化 ,  Al ,  Mg ,  マトリックス ,  複合材料 ,  機械加工 ,  表面粗さ ,  機械学習 ,  予測 ,  モデリング