文献

J-GLOBAL ID：202202289955940930   整理番号：22A0444939

振動解析と人工ニューラルネットワークを用いた炭素繊維強化複合材料の剥離の検出【JST・京大機械翻訳】

Detection of delamination in carbon fibre reinforced composite using vibration analysis and artificial neural network

著者 (4件)： Maurya Manisha (School of Mechanical Engineering, KIIT Deemed to be University, Bhubaneswar 754024, India) ,  Sadarang Jatin (School of Mechanical Engineering, KIIT Deemed to be University, Bhubaneswar 754024, India) ,  Panigrahi I (School of Mechanical Engineering, KIIT Deemed to be University, Bhubaneswar 754024, India) ,  Dash Dipti (School of Computer Science Engineering, KIIT University, Bhubaneswar 751024, Odisha, India)
資料名： Materials Today: Proceedings  (Materials Today: Proceedings)
巻： 49  号： P2  ページ： 517-522  発行年： 2022年 
JST資料番号： W3531A  ISSN： 2214-7853  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： 近年,複合材料構造における損傷検出は,構造物の破壊と破壊を避けるための事前の注意を与える。複合材料構造の剥離は,破壊の主な理由の一つであり,また,複合材料構造の特性に影響する。炭素繊維強化複合材料は,適切な機能のための剥離の監視と検出を必要とする産業において広い応用を有する。非破壊法,数学モデル等のような様々な方法があり,剥離を検出するが,静かなコスト,時間を要し,非効率である。本研究では,人工ニューラルネットワーク(ANN)を用いて,炭素繊維強化高分子複合材料の剥離欠陥を決定した。ANNモデルは複雑な問題を解決することができる。したがって,ANNモデルを,最初の3つの炭素繊維複合材料構造3つの固有振動数を分析することによって,固定端から剥離長さと位置を予測するために開発した。有限要素解析(FEA)を用いて固有振動数とモード形状を得た。ANNは炭素繊維強化高分子複合材料中の剥離長さと位置を予測できることが分かった。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： 固有振動数 ,  複合材料 ,  数学モデル ,  *ニューラルネットワーク ,  *炭素繊維 ,  損傷検出
準シソーラス用語： 有限要素解析 ,  PMC【材料】 ,  振動モード形 ,  固定端 ,  *炭素繊維強化複合材料 , 【Automatic Indexing@JST】

著者キーワード (4件)： 剥離検出 ,  人工ニューラルネットワーク ,  FEA ,  振動

分類 (3件)： 非破壊試験  (HB02030F) ,  ゴム・プラスチック材料  (HC02030I) ,  機械的性質  (YH02022L)

タイトルに関連する用語 (3件)： 振動解析 ,  人工ニューラルネットワーク ,  炭素繊維強化複合材料