| 研究課題/領域番号 |
17H03425
|
|---|
| 研究種目 |
基盤研究(B)
|
| 配分区分 | 補助金 |
|---|
| 応募区分 | 一般 |
|---|
| 研究分野 |
材料加工・組織制御工学
|
|---|
| 研究機関 | 東京農工大学 |
|---|
研究代表者 |
山中 晃徳 東京農工大学, 工学(系)研究科(研究院), 准教授 (50542198)
|
|---|
| 研究分担者 |
渡邊 育夢 国立研究開発法人物質・材料研究機構, 構造材料研究拠点, 主任研究員 (20535992)
桑原 利彦 東京農工大学, 工学(系)研究科(研究院), 卓越教授 (60195609)
|
|---|
| 研究期間 (年度) |
2017-04-01 – 2020-03-31
|
| 研究課題ステータス |
完了 (2019年度)
|
| 配分額 *注記 |
17,810千円 (直接経費: 13,700千円、間接経費: 4,110千円)
2019年度: 4,680千円 (直接経費: 3,600千円、間接経費: 1,080千円)
2018年度: 6,110千円 (直接経費: 4,700千円、間接経費: 1,410千円)
2017年度: 7,020千円 (直接経費: 5,400千円、間接経費: 1,620千円)
|
|---|
| キーワード | 機械学習 / 結晶塑性 / アルミニウム合金 / ニューラルネットワーク / データ同化 / フェーズフィールド法 / 深層学習 / 結晶塑性有限要素法 / 集合組織 / 結晶塑性解析 / 多軸材料試験 / 成形シミュレーション / 板材成形 / 有限要素法 / 数値材料試験 / 二軸引張試験 |
|---|
| 研究成果の概要 |
金属板材の成形シミュレーションにおいて, 板材の変形挙動を正確に予測するためには, 多軸応力試験の結果に基づき材料モデルを同定する必要がある. 本研究では, 結晶塑性有限要素法を用いた多軸応力試験の数値シミュレーションと深層学習を用いて, 材料モデリングを効率化するとともに成形シミュレーションを高度化することを主な目的とした. 深層学習により訓練したニューラルネットワーク（NN）により, アルミニウム合金板の集合組織データから二軸引張変形時の応力－ひずみ曲線を高速に推定することが可能となった. さらに, 訓練済みNNを用いて, 集合組織データに基づく材料モデリングを可能とした.
|
| 研究成果の学術的意義や社会的意義 |
本研究の成果を公開し, 一般に利用できる環境を構築することを目指して, ①アルミニウム合金の擬似集合組織の生成と②極点図による可視化, ③訓練済みDNNを用いた応力－ひずみ曲線の推定, ④等塑性仕事面の可視化を可能とするWebアプリケーションを開発した. このアプリケーションでは, 上記①～④の全てをWebブラウザ上で実行可能であり, 多軸応力試験機や結晶塑性有限要素法のソースコードを所有しない場合でも, 材料モデリングに必要な情報を得ることが可能となり, 成形シミュレーションの高度化に寄与すると考える.
|
