論文の概要: Elucidating microstructural influences on fatigue behavior for additively manufactured Hastelloy X using Bayesian-calibrated crystal plasticity model
- arxiv url: http://arxiv.org/abs/2412.10405v1
- Date: Fri, 06 Dec 2024 15:46:37 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-22 08:06:01.490768
- Title: Elucidating microstructural influences on fatigue behavior for additively manufactured Hastelloy X using Bayesian-calibrated crystal plasticity model
- Title（参考訳）: ベイジアンキャリブレーション結晶塑性モデルを用いた添加ハステロイXの疲労挙動に及ぼす微細構造の影響
- Authors: Ajay Kushwaha, Eralp Demir, Amrita Basak,
- Abstract要約: 結晶塑性モデリング(CPモデリング)は材料の機械的挙動を予測する重要なツールである。
本稿では,疲労負荷条件下での最適CPモデルパラメータの同定に最適化(BO)を用いる頑健な手法を提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License:
- Abstract: Crystal plasticity (CP) modeling is a vital tool for predicting the mechanical behavior of materials, but its calibration involves numerous (>8) constitutive parameters, often requiring time-consuming trial-and-error methods. This paper proposes a robust calibration approach using Bayesian optimization (BO) to identify optimal CP model parameters under fatigue loading conditions. Utilizing cyclic data from additively manufactured Hastelloy X specimens at 500 degree-F, the BO framework, integrated with a Gaussian process surrogate model, significantly reduces the number of required simulations. A novel objective function is developed to match experimental stress-strain data across different strain amplitudes. Results demonstrate that effective CP model calibration is achieved within 75 iterations, with as few as 50 initial simulations. Sensitivity analysis reveals the influence of CP parameters at various loading points on the stress-strain curve. The results show that the stress-strain response is predominantly controlled by parameters related to yield, with increased influence from backstress parameters during compressive loading. In addition, the effect of introducing twins into the synthetic microstructure on fatigue behavior is studied, and a relationship between microstructural features and the fatigue indicator parameter is established. Results show that larger diameter grains, which exhibit a higher Schmid factor and an average misorientation of approximately 42 degrees +/- 1.67 degree, are identified as probable sites for failure. The proposed optimization framework can be applied to any material system or CP model, streamlining the calibration process and improving the predictive accuracy of such models.
- Abstract（参考訳）: 結晶塑性モデリング(CPモデリング)は材料の機械的挙動を予測する重要なツールであるが、そのキャリブレーションには多くの(>8)構成パラメータが含まれており、しばしば時間を要する試行錯誤法を必要とする。
本稿では,疲労負荷条件下での最適CPモデルパラメータの同定にベイズ最適化(BO)を用いたロバストキャリブレーション手法を提案する。
加法的に製造されたHastelloy X試料の500°Fでの循環データを利用すると、BOフレームワークはガウスプロセスサロゲートモデルと統合され、必要なシミュレーションの数を大幅に削減する。
ひずみ振幅の異なる実験応力-ひずみデータに適合する新しい目的関数を開発した。
その結果,有効CPモデルのキャリブレーションは75回以内で達成され,初期シミュレーションは50回程度であった。
感度解析により, 各種負荷点におけるCPパラメータが応力-ひずみ曲線に及ぼす影響が明らかになった。
その結果, 応力-ひずみ応答は, 圧縮荷重時のバックレスパラメータの影響を増大させるとともに, 収率に関連するパラメータによって制御されることが示唆された。
また, 合成ミクロ組織への双生児導入が疲労挙動に及ぼす影響について検討し, 微構造的特徴と疲労指標パラメータとの関係について検討した。
以上の結果から,シュミド係数が高く,約42°+/-1.67度の平均方向ずれを示す粒径が大きいことが示唆された。
提案手法は,任意の材料システムやCPモデルに適用可能であり,キャリブレーションプロセスの合理化と予測精度の向上を実現している。
関連論文リスト
- Parameter Identification for Electrochemical Models of Lithium-Ion Batteries Using Bayesian Optimization [5.637250168164636]
グラディエントベースおよびメタヒューリスティック最適化手法は、ロバスト性、高い計算コスト、および局所ミニマへの感受性の欠如によって制限されている。
本研究では,ニッケル-マンガン-コバルト (NMC)-グラファイトセルの電気化学等価回路電池モデル (E-ECM) の動的パラメータの調整にベイズ最適化を用いる。
論文 参考訳（メタデータ） (2024-05-17T12:59:15Z) - Data-freeWeight Compress and Denoise for Large Language Models [101.53420111286952]
パラメータ行列を圧縮する手法として,データフリーなジョイントランクk近似を提案する。
キャリブレーションデータなしで、元の性能の93.43%を維持しながら80%のパラメータのモデルプルーニングを実現する。
論文 参考訳（メタデータ） (2024-02-26T05:51:47Z) - Model-Based Reparameterization Policy Gradient Methods: Theory and
Practical Algorithms [88.74308282658133]
Reization (RP) Policy Gradient Methods (PGM) は、ロボット工学やコンピュータグラフィックスにおける連続的な制御タスクに広く採用されている。
近年の研究では、長期強化学習問題に適用した場合、モデルベースRP PGMはカオス的かつ非滑らかな最適化環境を経験する可能性があることが示されている。
本稿では,長期モデルアンロールによる爆発的分散問題を緩和するスペクトル正規化法を提案する。
論文 参考訳（メタデータ） (2023-10-30T18:43:21Z) - Auto-weighted Bayesian Physics-Informed Neural Networks and robust estimations for multitask inverse problems in pore-scale imaging of dissolution [0.0]
細孔画像における新しいデータ同化戦略を提案する。
これにより、不確実性量子化を取り入れた反応性逆問題に頑健に対処できることを実証する。
論文 参考訳（メタデータ） (2023-08-24T15:39:01Z) - Machine learning enabled experimental design and parameter estimation
for ultrafast spin dynamics [54.172707311728885]
機械学習とベイズ最適実験設計(BOED)を組み合わせた方法論を提案する。
本手法は,大規模スピンダイナミクスシミュレーションのためのニューラルネットワークモデルを用いて,BOEDの正確な分布と実用計算を行う。
数値ベンチマークでは,XPFS実験の誘導,モデルパラメータの予測,実験時間内でのより情報的な測定を行う上で,本手法の優れた性能を示す。
論文 参考訳（メタデータ） (2023-06-03T06:19:20Z) - A Three-regime Model of Network Pruning [47.92525418773768]
我々は、ニューラルネットワーク(NN)トレーニングのハイパーパラメータが刈り取り性能に与える影響をモデル化するために、温度のようなパラメータと負荷のようなパラメータを使用します。
プレプルーニングモデルにおける負荷様パラメータの値に依存すると、プレプルーニングモデルにおける温度様パラメータの値が増加するか、その後のプルーニング性能が向上または損なわれる可能性がある。
本モデルでは, 高温のダイコトモス効果は, ポストプランニングモデルにおいて, 異なるタイプの大域構造間の遷移と関係していることが明らかとなった。
論文 参考訳（メタデータ） (2023-05-28T08:09:25Z) - Optimised Bayesian system identification in quantum devices [3.72081359624651]
本研究では,未知パラメータを動的モデルで推定する閉ループベイズ学習アルゴリズムを提案する。
シミュレーションキャリブレーションタスクと実験用シングルキュービットイオントラップシステムの両方でアルゴリズムの性能を実証する。
論文 参考訳（メタデータ） (2022-11-16T18:12:46Z) - Model Calibration of the Liquid Mercury Spallation Target using
Evolutionary Neural Networks and Sparse Polynomial Expansions [4.3634848427203945]
本稿では,進化的ニューラルネットワークとスパース展開を用いた高価なシミュレーションの代理モデルキャリブレーションの2つの手法を提案する。
提案したシミュレーションは, 水銀の寿命と完全性を推定するために, 疲労解析に大いに役立てることができる。
しかし、この研究の重要な結論は、スペール化反応の完全な物理を捉える際の状態方程式に基づく現在のモデルに欠けていることを指摘している。
論文 参考訳（メタデータ） (2022-02-18T18:47:10Z) - Toward Development of Machine Learned Techniques for Production of
Compact Kinetic Models [0.0]
化学動力学モデルは燃焼装置の開発と最適化に欠かせない要素である。
本稿では、過度に再現され、最適化された化学動力学モデルを生成するための、新しい自動計算強化手法を提案する。
論文 参考訳（メタデータ） (2022-02-16T12:31:24Z) - Learning to predict metal deformations in hot-rolling processes [59.00006390882099]
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。
論文 参考訳（メタデータ） (2020-07-22T13:33:44Z) - Multiplicative noise and heavy tails in stochastic optimization [62.993432503309485]
経験的最適化は現代の機械学習の中心であるが、その成功における役割はまだ不明である。
分散による離散乗法雑音のパラメータによく現れることを示す。
最新のステップサイズやデータを含む重要な要素について、詳細な分析を行い、いずれも最先端のニューラルネットワークモデルで同様の結果を示す。
論文 参考訳（メタデータ） (2020-06-11T09:58:01Z)
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。