文献

J-GLOBAL ID：201702245103693287   整理番号：17A0115383

動的ニューラルネットワークを用いた変動振幅荷重下でのアルミニウム合金のモデリング亀裂成長【Powered by NICT】

Modeling crack growth of aluminum alloy under variable-amplitude loading using dynamic neural network

著者 (5件)： Zhi Linxian (Department of Telecommunications, Electrical, Robotics and Biomedical Engineering, Swinburne University of Technology, Melbourne, Australia) ,  Man Zhihong (Department of Telecommunications, Electrical, Robotics and Biomedical Engineering, Swinburne University of Technology, Melbourne, Australia) ,  Cao Zhenwei (Department of Telecommunications, Electrical, Robotics and Biomedical Engineering, Swinburne University of Technology, Melbourne, Australia) ,  Tao Mengqiu (Department of Telecommunications, Electrical, Robotics and Biomedical Engineering, Swinburne University of Technology, Melbourne, Australia) ,  Wang Pengcheng (Department of Telecommunications, Electrical, Robotics and Biomedical Engineering, Swinburne University of Technology, Melbourne, Australia)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： ICAMechS  ページ： 453-458  発行年： 2016年 
JST資料番号： W2441A  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： 本論文では,新しい動的ニューラルネットワークは可変振幅荷重条件下でのアルミニウム合金の亀裂成長プロセスをモデル化するために開発した。提案したニューラルモデルは,出力層でのフィードバックループに組み込まれている。このモデルは動力学と同様にアルミニウム合金の亀裂成長と可変振幅繰返し応力励起との間の関係を調べ完全にできる。,亀裂成長の動力学を捕捉するモデルの能力は,このフィードバックループにより増強される。極端学習機械(ELM)アルゴリズムに基づいて,入力量は均一に適正範囲,出力重みにランダムに選択し,フィードバックパラメータをバッチ学習型最小二乗法を用いて最適化された世界的にすることができた。シミュレーションは,提案した神経回路モデルの能力を実証するために,7075-T6アルミニウム合金の実験データに基づいて実施した。変動振幅荷重を受ける亀裂長さの予測性能は非常によく確認された。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： *アルミニウム合金 ,  学習 ,  *モデリング ,  最小二乗法 ,  *亀裂伝搬 ,  最適化 ,  繰返し応力
準シソーラス用語： 予測性能 ,  亀裂長さ ,  神経回路モデル ,  極度学習機械 ,  フィードバックループ ,  神経回路網モデル ,  可変振幅荷重 ,  *動的ニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： 動的ニューラルネットワーク ,  振幅 ,  荷重 ,  アルミニウム合金 ,  モデリング ,  亀裂成長