論文の概要: Learning to predict metal deformations in hot-rolling processes
- arxiv url: http://arxiv.org/abs/2007.14471v1
- Date: Wed, 22 Jul 2020 13:33:44 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-07 22:39:36.103589
- Title: Learning to predict metal deformations in hot-rolling processes
- Title（参考訳）: 熱間圧延過程における金属変形予測の学習
- Authors: R. Omar Chavez-Garcia, Emian Furger, Samuele Kronauer, Christian
Brianza, Marco Scarf\`o, Luca Diviani and Alessandro Giusti
- Abstract要約: ホットローリング(Hot-rolling)は、入力から一連の変形を通じて断面を生成する金属成形プロセスである。
現状では、ロールの回転列と形状は、与えられた断面を達成するために必要である。
そこで本研究では,一組のロールが与えられた形状を予測するための教師付き学習手法を提案する。
- 参考スコア（独自算出の注目度）: 59.00006390882099
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Hot-rolling is a metal forming process that produces a workpiece with a
desired target cross-section from an input workpiece through a sequence of
plastic deformations; each deformation is generated by a stand composed of
opposing rolls with a specific geometry. In current practice, the rolling
sequence (i.e., the sequence of stands and the geometry of their rolls) needed
to achieve a given final cross-section is designed by experts based on previous
experience, and iteratively refined in a costly trial-and-error process. Finite
Element Method simulations are increasingly adopted to make this process more
efficient and to test potential rolling sequences, achieving good accuracy at
the cost of long simulation times, limiting the practical use of the approach.
We propose a supervised learning approach to predict the deformation of a given
workpiece by a set of rolls with a given geometry; the model is trained on a
large dataset of procedurally-generated FEM simulations, which we publish as
supplementary material. The resulting predictor is four orders of magnitude
faster than simulations, and yields an average Jaccard Similarity Index of
0.972 (against ground truth from simulations) and 0.925 (against real-world
measured deformations); we additionally report preliminary results on using the
predictor for automatic planning of rolling sequences.
- Abstract（参考訳）: ホットローリング(Hot-rolling)は、入力ワークの一連の塑性変形を通じて所望の目標断面を有するワークを入力ワークから生成する金属成形工程であり、各変形は、特定の形状の対向ロールからなるスタンドによって生成される。
現在の実践では、与えられた最終断面を達成するのに必要な転がり列(すなわち、スタンドのシーケンスとロールの形状)は、以前の経験に基づいて専門家によって設計され、コストのかかる試行錯誤のプロセスで反復的に洗練される。
有限要素法シミュレーションは、このプロセスをより効率的にし、潜在的な圧延シーケンスをテストするために採用され、長いシミュレーション時間のコストで良好な精度を達成し、アプローチの実用化を制限している。
そこで本研究では,所定の形状を持つ一組のロールによる作品の変形を予測するための教師付き学習手法を提案し,そのモデルを補足材料として公開する,手続き的に生成されたFEMシミュレーションの大規模データセットに基づいて訓練する。
その結果得られた予測器はシミュレーションよりも4桁高速であり、平均jaccard類似度指数は0.972(シミュレーションによる基礎的真理)と0.925(実世界の計測された変形)となり、さらに予測器を用いた圧延シーケンスの自動計画についても予備結果を報告する。
関連論文リスト
- Predicting Wall Thickness Changes in Cold Forging Processes: An Integrated FEM and Neural Network approach [2.7763199324745966]
まず、ノイズ処理と影響パラメータの徹底的な分析を行う。
次に、異なるプロセスパラメータの効果をよりよく分析するために、有限要素法シミュレーションをセットアップします。
本稿では,グラフニューラルネットワークを代理モデルとして設計した新しいモデリングフレームワークを提案する。
論文 参考訳（メタデータ） (2024-11-20T14:42:53Z) - von Mises Quasi-Processes for Bayesian Circular Regression [57.88921637944379]
円値ランダム関数上の表現的および解釈可能な分布の族を探索する。
結果の確率モデルは、統計物理学における連続スピンモデルと関係を持つ。
後続推論のために、高速マルコフ連鎖モンテカルロサンプリングに寄与するストラトノビッチのような拡張を導入する。
論文 参考訳（メタデータ） (2024-06-19T01:57:21Z) - Likelihood-based inference and forecasting for trawl processes: a
stochastic optimization approach [0.0]
実数値トロール過程を推定するための第1の可能性に基づく手法を開発した。
本稿では,新しい決定的および確率的予測手法を提案する。
トロールプロセスの大規模なクラスに適合するために使用可能なPythonライブラリをリリースしています。
論文 参考訳（メタデータ） (2023-08-30T15:37:48Z) - Investigation of reinforcement learning for shape optimization of
profile extrusion dies [1.5293427903448022]
強化学習(Reinforcement Learning, RL)は、学習に基づく最適化アルゴリズムである。
RLは、エージェントと環境との試行錯誤の相互作用に基づいている。
この手法を2つの2次元テストケースに適用して検討する。
論文 参考訳（メタデータ） (2022-12-23T08:53:09Z) - Predicting Loose-Fitting Garment Deformations Using Bone-Driven Motion
Networks [63.596602299263935]
本稿では,骨駆動型モーションネットワークを用いて,ゆるやかな衣服メッシュの変形を対話的に予測する学習アルゴリズムを提案する。
提案手法は,メッシュ変形の予測精度を約20%,ハウスドルフ距離とSTEDで約10%向上させる。
論文 参考訳（メタデータ） (2022-05-03T07:54:39Z) - Probabilistic Registration for Gaussian Process 3D shape modelling in
the presence of extensive missing data [63.8376359764052]
本稿では,ガウス過程の定式化に基づく形状適合/登録手法を提案する。
様々な変換を持つ2次元の小さなデータセットと耳の3次元データセットの両方で実験が行われる。
論文 参考訳（メタデータ） (2022-03-26T16:48:27Z) - Surrogate Modelling for Injection Molding Processes using Machine
Learning [0.23090185577016442]
射出成形は、複雑なプラスチックオブジェクトをモデル化するための最も一般的な製造方法の1つである。
モルドフローシミュレーションプロジェクトからのデータの抽出を含むデータ処理パイプラインのベースラインを提案する。
我々は,時間と偏向分布予測のための機械学習モデルを評価し,MSEおよびRMSEメトリクスのベースライン値を提供する。
論文 参考訳（メタデータ） (2021-07-30T12:13:52Z) - Scalable nonparametric Bayesian learning for heterogeneous and dynamic
velocity fields [8.744017403796406]
速度場データの不均一および動的パターンを学習するモデルを開発した。
複雑な多車間相互作用のNGSIMデータセットに対して,本手法の有効性を示す。
論文 参考訳（メタデータ） (2021-02-15T17:45:46Z) - Machine learning for rapid discovery of laminar flow channel wall
modifications that enhance heat transfer [56.34005280792013]
任意の, 平坦な, 非平坦なチャネルの正確な数値シミュレーションと, ドラッグ係数とスタントン数を予測する機械学習モデルを組み合わせる。
畳み込みニューラルネットワーク(CNN)は,数値シミュレーションのわずかな時間で,目標特性を正確に予測できることを示す。
論文 参考訳（メタデータ） (2021-01-19T16:14:02Z) - Real-Time Regression with Dividing Local Gaussian Processes [62.01822866877782]
局所ガウス過程は、ガウス過程の回帰に基づく新しい、計算効率の良いモデリング手法である。
入力空間の反復的データ駆動分割により、実際にはトレーニングポイントの総数において、サブ線形計算複雑性が達成される。
実世界のデータセットに対する数値的な評価は、予測と更新の速度だけでなく、精度の点で他の最先端手法よりも有利であることを示している。
論文 参考訳（メタデータ） (2020-06-16T18:43:31Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。