| 研究実績の概要 |
本研究は, 従来の有限要素法に基づく金属板材のプレス加工シミュレーションとデータ科学的方法（深層学習・データ同化・ベイズ最適化）を駆使して, 金属板材の内部組織情報から強度や成形加工性を予測するのみならず, その逆予測やプレス加工条件等の最適化を可能とする数値計算技術を開発することを目的とした. 2020年度は, アルミニウム合金板の集合組織から二軸引張応力状態での応力－ひずみ曲線を深層学習により順推定する技術を開発した. 2021年度は, ベイズ最適化を応用して, アルミニウム合金板に所望の力学特性を発現させるための内部組織を最適設計する数値計算手法を開発した. 2022年度は, データ同化を用いて実験データから材料モデルを逆推定する技術開発を行った. 具体的には, 次の2項目の研究を遂行し, 研究成果を得た.
(1) アンサンブル4次元変分（En4DVar）法を用いた材料モデルの逆推定手法の開発
材料表面に塗布したランダム模様をデジタルカメラで撮影することにより, 材料に生じるひずみを非接触で計測するデジタル画像相関（DIC）法と, 非逐次データ同化アルゴリズムであるEn4DVar法を組み合わせて, 単軸引張試験データから異方性降伏関数のパラメータを逆推定した. この研究成果は, 国際会議にて発表し, 国際学術誌へ論文投稿した.
(2) ベイズ最適化を応用したデータ同化手法による材料モデルの逆推定手法の開発
プレス加工に供される板材の表面に生じるひずみ場をDIC法により計測し, そのひずみ場から異方性降伏関数のパラメータや加工硬化則のパラメータを直接逆推定する手法を開発した. ここでは, ベイズ最適化の利点を生かしたデータ同化アルゴリズムを適用することで, 従来よりも多くのパラメータの逆推定が可能となった. この研究成果は, 国際会議および国内学会で発表した.
|
