研究課題/領域番号 |
17K14832
|
研究種目 |
若手研究(B)
|
配分区分 | 基金 |
研究分野 |
構造・機能材料
|
研究機関 | 東京大学 |
研究代表者 |
白岩 隆行 東京大学, 大学院工学系研究科(工学部), 助教 (10711153)
|
研究期間 (年度) |
2017-04-01 – 2019-03-31
|
キーワード | 疲労 / 機械学習 / スパースモデリング / データ同化 |
研究成果の概要 |
金属材料の力学的特性を予測するためには、一般に材料・加工条件から微細組織を予測するためのモデルと、組織から特性を予測するためのモデルが必要である。従来の特性予測モデルでは、第二相の体積分率や母相と第二相の強度比といったマクロな組織因子が使用されてきたが、疲労の問題では局所的な変形挙動が重要である。そこで本研究では、空間相関関数を用いて二相組織の局所的な空間配置を定量的に取り扱った。この手法は三相以上の多相組織にも拡張可能であるため、多くの実用材料に適用可能であり、統一的な疲労予測手法の提案が期待できる。さらに主成分解析を行い計算コストを抑えることで、様々な条件下の疲労寿命予測が期待できる。
|
自由記述の分野 |
材料信頼性
|
研究成果の学術的意義や社会的意義 |
鉄鋼材料を初めとした多くの実用材料の疲労寿命をより正確に予測できるようになる。またスパースモデリングによるモデル選択や、データ同化手法を適用することで、どのような組織因子が疲労特性に寄与するか明らかにできる。さらに、フェーズフィールド法などの組織予測手法と組み合わせることで、製造プロセスから性能への一貫予測が実現されると期待される。さらには、クリープや腐食といった他の材料特性についても、同様のアプローチで、予測するための指針を立てられる。これらを組み合わせることで、例えば疲労特性と破壊靱性をバランスよく両立するような材料の開発指針を立てることなどにも役に立つ。
|