2014 Fiscal Year Annual Research Report
リバース４Ｄ材料エンジニアリングによる材料開発プロセス革新
| Project/Area Number |
24226015
|
|---|
| Research Institution | Kyushu University |
|---|
Principal Investigator |
戸田 裕之 九州大学, 工学(系)研究科(研究院), 教授 (70293751)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
桑水流 理 福井大学, 工学(系)研究科(研究院), 准教授 (40334362)
小林 正和 豊橋技術科学大学, 工学(系)研究科(研究院), 准教授 (20378243)
|
|---|
| Project Period (FY) |
2012-05-31 – 2017-03-31
|
| Keywords | リバースエンジニアリング / 最適化 / 粗視化 / 放射光CT / イメージベースモデリング / 有限要素法 / 延性破壊 / 低サイクル疲労 |
|---|
| Outline of Annual Research Achievements |
リバース4D材料エンジニアリングの開発（以下、R4ME）は、その要素技術の開発が一通り終わり、デモンストレーター実験での検証と各要素技術の高度化というステージに入っている。2つの要素技術のうち、まず粗視化に関しては、第二相粒子、結晶組織などのサイズ、形状、空間的分布、配向性などの粗視化に供する設計変数（ミクロ組織の幾何学的特徴を定量的に計測したもの）を調査し、合計48個の変数を計算できる画像解析プログラムとして実装した。また、材料のマクロ特性との関係を統計学的に解析し、低次元化するデータマイニング過程には、重回帰分析、主成分分析、CARTなどを用いる。
R4MEの大容量イメージベースシミュレーション（以下、IBS）は計算時間が膨大で、試行回数が極めて制限される。そのため、粒子群最適化の様な高精度化という近年の最適化のトレンドに逆行する「寡試行最適化」（限られた数のデータ点で最適解探索）が必要になる。そのため、Infill sampling基準による代理モデルの逐次更新を採用した。現在の所、代理モデルには人口ニューラルネットワーク(以下、ANN)を用いている。
方法論の検討から、R4MEを適用すべき課題を「第2相の組織制御」と「単一ミクロ組織支配型」の2つのケースに分け、材料工学、機械工学の様々な課題にR4MEが適用可能なようにした。代表的な応用例である「第2相の組織制御」のデモンストレーター研究に関しては、一通りの試行を終えつつあり、その解析を進めている。また、「単一ミクロ組織支配型」研究は、疲労破壊など、産業的にも重要な課題をカバーする。
各要素技術に関する学術界を通しての成果発信を、国内の材料・機械工学に関する学会でのシンポジウム企画を3件、招待講演を5件、学会誌における特集号の発刊を1件、国際会議におけるオーガナイズドセッションの企画を1件などと活発に行っている。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
平成26年度末のマイルストーンとして示した3項目（①粗視化法の選定、②最適化法の選定、③4Dイメージベースシミュレーションの実行）は終了している。各項目に関して、個別に詳述する。
①粗視化法の選定に関しては、材料組織をサイズ、形状、空間分布、配向性など、様々な観点から定量化する48個のパラメーターをブレインストーミング的に挙げ、その3D画像解析のソフトウェアを完成した。得られた多数のパラメーターから重回帰分析、主成分分析、CART等により低次元化を行うこととしている。
②最適化法の選定に関しては、ANNを用いた代理モデルによる最適化手法を構築し、既に実装も完了している。最適化は、限られた数のイメージベース数値解析結果から最適ミクロ組織を予測する寡試行最適化に適したように、Infill sampling基準による代理モデルの逐次更新を特徴とする。その予備的例題（ナノインデンテーション）およびデモンストレーター研究1での適用も終了しており、その有効性が定量的に明示されている。
③4Dイメージベースシミュレーションの実行に関しては、申請書には1つのデモンストレーター研究のみしか記載していないが、様々な材料挙動を対象にした材料組織最適化を対象にして検討を行うことで十分な実用性を担保する目的で、3つの異なるデモンストレーター研究を準備することとし、その3D/4D可視化や3D/4Dイメージベース解析に成功している。その中には、多結晶材料の変形破壊挙動の可視化といった世界でも我々の研究グループしか実施できないチャレンジングな研究「多結晶組織最適化」も含まれている。
|
| Strategy for Future Research Activity |
以下に、①方法論、②デモンストレーター研究、③最適化、④粗視化に分けて記述する。
①方法論：方法論としては、既に平成25年度までの検討で確定しつつある。多結晶組織最適化を含む第2相の組織制御、単一ミクロ組織支配型の2つに大別し、様々な材料工学の課題を対象に、構造材料のミクロ組織を最適化することが可能となっている。今後は、平成27年度、28年度を通して、各グループでの3つのデモンストレーター研究の実行とR4MEの適用を通じて、R4MEの考え方を洗練させていく。
②デモンストレーター研究：3つあるデモンストレーター研究のいずれもが、放射光実験およびその3D/4Dイメージベース解析を既に終了している。今後は、平成27年度、28年度を通して、IBS結果や得られた最適組織形態の情報に即して、手持ちの3D/4D画像データの追加の解析や評価を行う。この追加的な評価により、最適化により求められた最適組織の材料工学的解釈や、局所的なミクロ組織と力学的レスポンスの関係のメカニズムの理解が可能である。
③最適化：提案した最適化プロセスの内、今後は、代理モデルを構成するANNを変更することで、寡試行最適化にさらに適した最適化手法とする。ANNを代替するものとして、地球統計学で用いられるクリギング(Kriging)やサポートベクターマシン(以下、SVM)を活用し、より少ないサンプリング点で高精度な応答曲面を生成できる手法を研究する。SVMは，学習データが少ない場合に特に有効と期待され，R4MEの最適化手法としては，特に有望な手法と考えている。
④粗視化：粗視化に関しては、平成26年度末時点で、ほぼ完成に達している。今後は、最適化結果を粗視化するプロセスを経て、その有効性の検証を行う。必要があれば、改良、追加パラメーターの検討などを行い、粗視化法を完成させる。
|
Research Products
(24 results)
