| 研究課題/領域番号 |
20H02476
|
|---|
| 研究種目 |
基盤研究(B)
|
| 配分区分 | 補助金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分26050:材料加工および組織制御関連
|
|---|
| 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), 教授 (50542198)
|
|---|
| 研究分担者 |
桑原 利彦 東京農工大学, 工学(系)研究科(研究院), 卓越教授 (60195609)
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, 主幹研究員 (20535992)
箱山 智之 岐阜大学, 工学部, 助教 (20799720)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2023-03-31
|
| 研究課題ステータス |
完了 (2022年度)
|
| 配分額 *注記 |
17,680千円 (直接経費: 13,600千円、間接経費: 4,080千円)
2022年度: 4,680千円 (直接経費: 3,600千円、間接経費: 1,080千円)
2021年度: 6,110千円 (直接経費: 4,700千円、間接経費: 1,410千円)
2020年度: 6,890千円 (直接経費: 5,300千円、間接経費: 1,590千円)
|
|---|
| キーワード | データ同化 / 材料モデリング / ベイズ最適化 / 深層学習 / アルミニウム合金 / 材料設計 / 逆問題 / 板材成形 / 機械学習 / 最適化 / フェーズフィールド法 / 結晶塑性有限要素法 / 結晶塑性 |
|---|
| 研究開始時の研究の概要 |
本研究では, フェーズフィールド法による材料組織予測と多岐にわたる機械学習方法（深層学習・転移学習・敵対的生成ネットワーク・データ同化・ベイズ最適化）を駆使し, アルミニウム合金板の内部組織情報から機械的特性や成形加工性を順推定するのみならず, その逆推定, さらには内部組織の最適化を可能とする計算技術を開発する.
|
| 研究成果の概要 |
金属板材のプレス成形加工を再現する数値シミュレーションの高精度化のために、金属板材に生じる変形を模擬した多軸応力試験のデータに基づき、金属板材の変形を正確に解析できる数理モデル（材料モデル）が同定されてきた。しかしながら、この方法では、特殊な試験機と高度な実験スキルが必要である。この問題の解決のために、本研究では、有限要素法による成形シミュレーションに加えて、各種のデータ科学的手法（特に深層学習、ベイズ最適化、データ同化）を駆使することにより、金属板材内部の微細組織情報から機械的特性や成形加工性を定量的に順推定するのみならず、その逆推定や最適化も可能とする数値計算技術を開発した。
|
| 研究成果の学術的意義や社会的意義 |
金属板材をプレス成形加工する技術は、日本の主要製造業を支える重要技術である。しかし、国際競争の激化と少子高齢化のために、プレス成形加工に関する研究開発は一層の効率化・省人化が求められており、各種の機械学習方法、最適化理論、逆解析手法を駆使した技術が必要とされる。本研究では、深層学習やデータ同化を用いて、金属板材内部の微細組織情報から機械的特性や成形加工性を定量的に順推定するのみならず、その逆推定や最適化も可能とする数値計算技術を開発した。これは、金属板材の変形を再現するデジタルツインの構築であり、所望のプレス加工を実現するためのプレス成形加工条件の設計や新しい材料の設計に応用できる基礎となる。
|
