文献

J-GLOBAL ID：202202291645139685   整理番号：22A1162158

超合金破断強度シミュレーションにおける深層学習:異なる試験結果の組合せ【JST・京大機械翻訳】

Deep learning in superalloys rupture strength simulation: Combining different test results

著者 (3件)： Tarasov Dmitry (Ural Federal University, Yekaterinburg, Russia) ,  Tyagunov Andrey (Ural Federal University, Yekaterinburg, Russia) ,  Milder Oleg (Ural Federal University, Yekaterinburg, Russia)
資料名： AIP Conference Proceedings  (AIP Conference Proceedings)
巻： 2425  号： 1  ページ： 130016-130016-4  発行年： 2022年 
JST資料番号： D0071C  ISSN： 0094-243X  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 耐熱ニッケルに基づいて,超合金は,長期間の極端な温度条件で動作するガスタービンのクリティカル部品を創るための基礎である。合金は,厳しい温度および時間負荷の下で,機械的および化学的劣化に対して顕著な抵抗を示した。主要な超合金の機械的性質の一つは破断強度である。破断強度に関連する破断までの時間も,特定の工学的興味の対象である。これらの特徴を決定するために,特別な試験を行った。しかし,西部とロシアの実験の条件は異なるが,それらは,試験サンプル特徴が別々に形成される神経モデルで統合されるかもしれない。本研究では,深い学習人工ニューラルネットワークを構築し,それをウェスタン超合金結果でチャチし,破断強さと破断までの時間を予測した。得た結果と予測誤差分布は,1つのモデルで異なる試験結果をユニット化する能力を示し,超合金特性の神経モデリングのための広い展望を確認した。Copyright 2022 AIP Publishing LLC All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 機械的性質 ,  *合金 ,  *シミュレーション ,  化学 ,  *学習 ,  ガスタービン ,  ニューラルネットワーク ,  *超合金 ,  モデリング ,  *破断強さ ,  部品 ,  温度条件 ,  ロシア連邦 ,  予測誤差
準シソーラス用語： 神経回路網モデル , 【Automatic Indexing@JST】

分類 (1件)： 機械的性質  (WB02030U)

タイトルに関連する用語 (6件)： 超合金 ,  破断強度 ,  シミュレーション ,  深層学習 ,  試験 ,  組合せ