文献

J-GLOBAL ID：202202290252277637   整理番号：22A0013642

機械学習モデルに基づく一軸圧縮下の粒状材料の接触力の推定【JST・京大機械翻訳】

Estimation of contact forces of granular materials under uniaxial compression based on a machine learning model

著者 (3件)： Cheng Zhuang (Department of Architecture and Civil Engineering, B6409, Academic 1, City University of Hong Kong, Kowloon, Hong Kong) ,  Wang Jianfeng (Department of Architecture and Civil Engineering, B6409, Academic 1, City University of Hong Kong, Kowloon, Hong Kong) ,  Wang Jianfeng (Shenzhen Research Institute, City University of Hong Kong, Shenzhen, China)
資料名： Granular Matter  (Granular Matter)
巻： 24  号： 1  ページ： 17  発行年： 2022年 
JST資料番号： W1154A  ISSN： 1434-5021  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： 本論文では,一軸圧縮下の粒状材料の接触力を推定するためのグラフニューラルネットワークモデルを示した。荷重増加の終わりにおける狭い傾斜粒状集合体の各粒子の最大垂直接触力を,異なる初期微細構造(すなわち,結晶粒位置および接触分布)を有する他の粒状系の一軸圧縮から得られた知識に基づく,増加中の組立の粒子運動学および粒子間接触運動学を用いて推定できることを示した。モデルは,一軸圧縮下で異なる初期微細構造を有する粒状集合体の3D離散要素モデリング(DEM)によって生成されたデータを用いて訓練された。一軸圧縮下の典型的な粒状集合体の正規化粒子最大垂直接触力のモデル予測を示した。それらはDEMシミュレーションからのそれらと良く整合することが分った。グラフ抽象;Copyright The Author(s), under exclusive licence to Springer-Verlag GmbH Germany, part of Springer Nature 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： シミュレーション ,  微細構造 ,  ニューラルネットワーク ,  結晶粒 ,  粒状材 ,  三次元 ,  正規化 ,  *機械学習 ,  凝集体
準シソーラス用語： 神経回路網モデル ,  *接触力 ,  粒子運動 ,  *一軸圧縮 ,  個別要素モデリング ,  モデル予測 , 【Automatic Indexing@JST】

著者キーワード (5件)： 機械学習 ,  接触力 ,  グラフニューラルネットワーク ,  粒状材料 ,  一軸圧縮

分類 (1件)： 粉体工学  (XD03010M)

タイトルに関連する用語 (6件)： 機械学習 ,  モデル ,  一軸圧縮 ,  粒状材料 ,  接触力 ,  推定