複合ラミネート構造物の故障を予測するための人工ニューラルネットワークベースのツールの開発

科学分野:

• 材料科学
• 機械工学
• コンピュータ科学

背景:

• 複合材料は高強度重量比と設計の柔軟性があり,航空宇宙産業や自動車産業に不可欠です.
• 複合材料のアニソトロピックで層の多い性質は,構造分析と故障予測を複雑にし,しばしば有限要素解析 (FEA) のような計算密集的な方法を必要とします.

研究 の 目的:

• 複合材料の構造分析と故障予測を加速させるため,バイオインスピレーションによる機械学習アプローチを開発する.
• 人工ニューラルネットワーク (ANN) モデルを利用することで,計算的に高価なFEAへの依存を減らす.

主な方法:

• 重要な構造パラメータ (厚さ,重量,ストレス,移位,変形,故障基準) を予測するために,人工ニューラルネットワーク (ANN) モデルが開発されました.
• ANNモデルは,与えられた負荷ケースの入力として,スタッキングシーケンスとジオメトリを使用します.
• 方法論は,特定の複合ビームを使用して検証され,ANNの予測とFEAの結果を比較しました.

主要な成果:

• ANNモデルは,FEAの結果と比較して15%未満の予測偏差を達成しました.
• ANNモデルは予測時間を数時間/日 (FEA) から数秒に大幅に短縮しました.
• 開発されたアプローチは,予測の精度を維持しながら,重要な計算時間の節約を示しています.

結論:

• バイオインスピレーションによる機械学習アプローチは,複合材料の迅速な構造評価のための伝統的なFEAの実行可能な代替案を提供します.
• この方法論は,航空機のメンテナンスを含め,意思決定と構造的信頼性を高めるために,より広範な応用の可能性を示しています.
• ロジック駆動型ANNモデルのさらなる精細化は,構造的整合性の評価においてより高度なアプリケーションにつながる可能性があります.