論文の概要: Predicting Fatigue Crack Growth via Path Slicing and Re-Weighting

• arxiv url: http://arxiv.org/abs/2309.06708v1
• Date: Wed, 13 Sep 2023 04:13:11 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-14 15:31:57.278585
• Title: Predicting Fatigue Crack Growth via Path Slicing and Re-Weighting
• Title（参考訳）: パススライシングと再重み付けによる疲労き裂進展予測
• Authors: Yingjie Zhao, Yong Liu, and Zhiping Xu
• Abstract要約: 負荷条件下での疲労き裂の進展と部品の寿命を予測するための統計的学習フレームワークについて報告する。 高忠実度物理シミュレーションにより疲労き裂パターンと余寿命のデジタルライブラリを構築した。 統計的ノイズや稀な事象を扱うために、パススライシングと再重み付け技術が導入されている。
• 参考スコア（独自算出の注目度）: 9.454972552320804
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Predicting potential risks associated with the fatigue of key structural components is crucial in engineering design. However, fatigue often involves entangled complexities of material microstructures and service conditions, making diagnosis and prognosis of fatigue damage challenging. We report a statistical learning framework to predict the growth of fatigue cracks and the life-to-failure of the components under loading conditions with uncertainties. Digital libraries of fatigue crack patterns and the remaining life are constructed by high-fidelity physical simulations. Dimensionality reduction and neural network architectures are then used to learn the history dependence and nonlinearity of fatigue crack growth. Path-slicing and re-weighting techniques are introduced to handle the statistical noises and rare events. The predicted fatigue crack patterns are self-updated and self-corrected by the evolving crack patterns. The end-to-end approach is validated by representative examples with fatigue cracks in plates, which showcase the digital-twin scenario in real-time structural health monitoring and fatigue life prediction for maintenance management decision-making.
• Abstract（参考訳）: 重要な構造部品の疲労に伴う潜在的なリスクを予測することは工学設計において不可欠である。 しかし、疲労はしばしば材料ミクロ組織とサービス条件の絡み合った複雑さを伴い、疲労損傷の診断と予後が困難になる。 負荷条件下での疲労き裂の発生と疲労寿命を予測するための統計的学習フレームワークについて報告する。 高忠実度物理シミュレーションにより疲労き裂パターンと余寿命のデジタルライブラリを構築した。 寸法の低減とニューラルネットワークアーキテクチャは、疲労き裂成長の履歴依存性と非線形性を学ぶために使用される。 統計ノイズやまれな事象を扱うためにパススライシングと再重み付け技術が導入された。 予測疲労き裂パターンは、進化するき裂パターンによって自己更新および自己修正される。 エンド・ツー・エンドのアプローチは、リアルタイム構造ヘルスモニタリングとメンテナンス管理意思決定のための疲労寿命予測におけるディジタルトウィンシナリオを示す、プレートに疲労き裂がある代表例によって検証される。

関連論文リスト

• Disentangling the Causes of Plasticity Loss in Neural Networks [55.23250269007988]
  可塑性の喪失は複数の独立したメカニズムに分解できることを示す。 種々の非定常学習タスクにおいて, 層正規化と重み劣化の組み合わせは, 可塑性維持に極めて有効であることを示す。
  論文  参考訳（メタデータ） (2024-02-29T00:02:33Z)
• Surrogate modeling for stochastic crack growth processes in structural health monitoring applications [0.0]
  疲労き裂成長は、金属構造物において最も一般的な種類の劣化の1つである。 構造的健康モニタリングの最近の進歩は、構造的応答データを用いて、不確実性の下での将来の亀裂成長を予測することの動機となっている。
  論文  参考訳（メタデータ） (2023-10-11T07:13:16Z)
• Crack-Net: Prediction of Crack Propagation in Composites [8.284066773981262]
  クラックネット(Crack-Net)は, ひび割れ進展と応力応答の関係を組み込んで, 複合材料における破壊過程を予測するフレームワークである。 クラックネットは, 所定の複合設計におけるひび割れ成長パターンと応力-ひずみ曲線の長期的変化を正確に予測する優れた能力を示す。
  論文  参考訳（メタデータ） (2023-09-24T12:57:35Z)
• Vision-based Estimation of Fatigue and Engagement in Cognitive Training Sessions [9.018775341716305]
  本研究では,リアルタイムな心的疲労をモニタリングするための新しいリカレントビデオトランス (RVT) 手法を開発し,検証する。 RVTモデルは最先端のバイナリモデルと比較して高いバランスの取れた精度(78%)と精度(0.82)を達成した。
  論文  参考訳（メタデータ） (2023-04-24T21:58:14Z)
• Bayesian Networks for the robust and unbiased prediction of depression and its symptoms utilizing speech and multimodal data [65.28160163774274]
  我々は,抑うつ,抑うつ症状,および,胸腺で収集された音声,表情,認知ゲームデータから得られる特徴の関連性を把握するためにベイズ的枠組みを適用した。
  論文  参考訳（メタデータ） (2022-11-09T14:48:13Z)
• Critical Learning Periods for Multisensory Integration in Deep Networks [112.40005682521638]
  ニューラルネットワークが様々な情報源からの情報を統合する能力は、トレーニングの初期段階において、適切な相関した信号に晒されることに批判的になることを示す。 臨界周期は、訓練されたシステムとその学習された表現の最終性能を決定づける、複雑で不安定な初期過渡的ダイナミクスから生じることを示す。
  論文  参考訳（メタデータ） (2022-10-06T23:50:38Z)
• On an Application of Generative Adversarial Networks on Remaining Lifetime Estimation [0.0]
  構造物の損傷進展を予測するために, 生成モデルを提案する。 このモデルは、損傷された構造の過去の多くの状態を考慮することができ、モデリングプロセスに不確実性を組み込んで、潜在的な損傷進化結果を生成することができる。 このアルゴリズムは、シミュレーションされた損傷進化の例でテストされ、その結果、集団内の構造物の残りの有用な寿命について、極めて確実な予測が可能であることが明らかになった。
  論文  参考訳（メタデータ） (2022-08-18T06:54:41Z)
• Predicting failure characteristics of structural materials via deep learning based on nondestructive void topology [0.5735035463793008]
  非破壊的X線CT(X-CT)、持続的ホモロジー(PH)、深層マルチモーダル学習(DML)を組み合わせた材料破壊特性の予測手法を提案する。 材料検査時の微細欠陥状態を入力として利用し、故障関連特性を出力する。
  論文  参考訳（メタデータ） (2022-05-17T05:59:42Z)
• Non-Singular Adversarial Robustness of Neural Networks [58.731070632586594]
  小さな入力摂動に対する過敏性のため、アドリヤルロバスト性はニューラルネットワークにとって新たな課題となっている。 我々は,データ入力とモデル重みの共振レンズを用いて,ニューラルネットワークの非特異な対角性の概念を定式化する。
  論文  参考訳（メタデータ） (2021-02-23T20:59:30Z)
• On Long-Tailed Phenomena in Neural Machine Translation [50.65273145888896]
  最先端のニューラルネットワーク翻訳(NMT)モデルは、低周波トークンの生成に苦労する。 条件付きテキスト生成における構造的依存関係にモデルトレーニングを適応させるために,新たな損失関数である反焦点損失を提案する。 提案手法は,複数の機械翻訳(MT)データセットに対して有効であり,クロスエントロピーよりも顕著に向上することを示す。
  論文  参考訳（メタデータ） (2020-10-10T07:00:57Z)
• Clinical Risk Prediction with Temporal Probabilistic Asymmetric Multi-Task Learning [80.66108902283388]
  マルチタスク学習手法は、臨床リスク予測などの安全クリティカルな応用に注意を払って使用すべきである。 既存の非対称なマルチタスク学習手法は、低損失のタスクから高損失のタスクへの知識伝達を行うことにより、この負の伝達問題に対処する。 特徴レベルの不確実性に基づいて,特定のタスク/タイムステップから関連する不確実なタスクへの知識伝達を行う,新しい時間的非対称型マルチタスク学習モデルを提案する。
  論文  参考訳（メタデータ） (2020-06-23T06:01:36Z)

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。