2018 Fiscal Year Annual Research Report
Fatigue prediction of dual-phase microstructure by data-driven approach
| Project/Area Number |
17K14832
|
|---|
| Research Institution | The University of Tokyo |
|---|
Principal Investigator |
白岩 隆行 東京大学, 大学院工学系研究科(工学部), 助教 (10711153)
|
|---|
| Project Period (FY) |
2017-04-01 – 2019-03-31
|
| Keywords | 機械学習 / 結晶塑性 / 空間相関関数 / 二相鋼 / 疲労 / 繰返し応力ひずみ曲線 |
|---|
| Outline of Annual Research Achievements |
本研究の目的は、結晶塑性論に基づく有限要素解析（CPFEM）と種々のデータ駆動型アプローチ（空間相関関数や主成分解析、機械学習）を組み合わせることで、組織から疲労特性を予測する手法を提案することである。本年度は、前年度までに検討してきた計算手法を利用して、組織-疲労特性のデータベースを拡充し、さらに機械学習を適用した。具体的には、様々な二相分布（ランダム、層状、クラスタ状、粒界析出型など）を持つ組織モデルを多数作成し、CPFEMにより応力ひずみ挙動を得た。さらに二相組織の分布を空間相関関数で表現し、主成分分析により次元を縮約した。主成分分析では、特性につながる重要な情報が削除されないように、繰返し応力ひずみ応答との相関を考慮して、変数選択を行った。計算から得られたデータを学習データとして、多層ニューラルネットワークに適用することで、組織と繰返し応力ひずみ応答を対応づけた。ただし、隠れ層の数はデータ数を考慮してオーバーフィッティングしないように決定した。実験データをテストデータとして用いて、予測の信頼性を評価した。またシミュレーションから得られた結果をもとに、試験片全体の疲労寿命を見積もるために、試験片体積を考慮した極値統計解析を行い、試験体における疲労寿命の確率分布を得た。以上により、組織から疲労特性を予測するための基本的な手法の確立と、今後、予測をさらに高精度化し、より広範囲の材料に使えるようにするための指針を立てることができた。
|
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
[Presentation] 高強度鋼のマルチスケール介在物観察に基づく疲労寿命予測2018
Author(s)
坂口了太, 白岩隆行, CHIVAVIBUL Pornthep, 榎学, 山下典理男, 横田秀夫, 松井穣, 児玉俊文, 風間彰, 野村航大, 高松弘行
Organizer
日本鉄鋼協会講演大会
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
