上海理工大学：積層造形における機械学習を活用した金属材料の疲労寿命予測の最新動向のレビュー

出典：Materials Science and Technology 第一著者：Wang Hao 連絡先著者：Wang Hao、Aijun Huang、Lai-Chang Zhang、Daolun Chen
担当部署：上海理工大学

付加製造は、複雑な形状や内部構造を生成できるため、バイオメディカルや航空宇宙などの分野で広く使用されています。しかし、ランダムな欠陥や異方性が存在するため、積層造形部品の疲労性能予測は依然として困難です。この研究では、機械学習モデルによる積層造形金属材料の疲労寿命予測の最近の進歩についてレビューします。

積層造形は、材料を層ごとに追加して部品を組み立て、複雑な形状や内部構造を作り出すことができます。これは、高速で柔軟性があり、環境に優しい技術です。しかし、現在のプロセス条件では、穴や未溶融材料などの冶金欠陥を回避することは依然として困難であり、印刷された金属材料の疲労特性を予測することは困難です。ビッグデータと人工知能の急速な発展に伴い、人工知能の一分野としての機械学習の出現は、積層造形された金属材料の疲労予測に新たな視点をもたらすことが期待されています。

従来の方法では、積層造形された金属材料の疲労寿命を予測する際に多くの課題に直面しています。この論文では、積層造形された金属材料の疲労寿命予測におけるさまざまな機械学習モデルの応用についてレビューし、疲労寿命予測に影響を与える主要な要因を探り、疲労寿命と欠陥、微細構造、プロセスパラメータとの関係を明らかにし、予測性能を向上させるための適切な提案を提示します。

図 1.1 積層造形部品の性能予測のための機械学習モデルの双方向フローチャート。

図1.2 積層造形金属材料の疲労応力と疲労寿命の関係。 (a) アルミニウム合金、(b) 鋼、(c) チタン合金。

図1.3 積層造形金属材料の疲労寿命を予測するためのさまざまな機械学習モデルに関する文献の数。 (a) 文献には特定のモデルが含まれています。 (b) 文献では特定のモデルのみが使用されています。

図1.4 さまざまな機械学習モデルで使用される物理的知識の割合

要約と展望<br /> この研究では、積層造形された金属材料の疲労寿命予測のための一般的な機械学習モデルをレビューし、データセットが小さい場合の物理的知識の重要性を強調しています。主な結論は次のとおりです。

（１）機械学習モデルは、チタン合金、アルミニウム合金、鋼、ニッケル基合金などの積層造形金属材料の疲労寿命予測能力を大幅に向上させることができる。特にデータセットが小さくまばらな場合でも、効果的な予測結果を提供できます。

（２）データセットのサイズと品質は、データ駆動型機械学習モデルの疲労予測精度にとって重要である。データセットを拡張および最適化するには、生成的敵対ネットワーク、連続体損傷力学、モンテカルロシミュレーション、有限要素シミュレーションなどの方法を使用できます。

（３）ハイパーパラメータの選択は機械学習モデルの疲労予測性能に重要な影響を及ぼす。たとえば、人工ニューラルネットワークの隠れ層とニューロンの数、サポートベクターマシン回帰のペナルティ係数とカーネル関数、ランダムフォレストのツリーの数と最大深度などです。

（4）物理的な知識を取り入れることで、機械学習モデルの「ブラックボックス」問題を効果的に解決することができます。特に、モデル構築、アルゴリズム学習、サンプル出力、データ観察の面で、機械学習モデルの透明性、解釈可能性、予測精度を向上させることができます。

著者について

王昊氏は、中国科学院金属研究所の研究者/主任研究員です。以前は、上海理工大学材料科学工学学院の著名な教授/主任研究員であり、付加製造研究所の所長でもありました。彼は南京大学で学士号を取得し、中国科学院金属研究所で博士号を取得しました。長年金属構造材料の研究に従事し、チタン系合金などの先進構造材料の統合コンピューティングおよびデータプラットフォーム、および積層造形のためのフルプロセスシミュレーションプラットフォームを確立しました。合金組成、マイクロメカニズム、微細構造、成形プロセスに関するマルチスケールの計算シミュレーションと実験研究を実施し、合金設計、性能予測、プロセス最適化、製品評価に理論的および方法論的サポートを提供しました。彼は、中国材料協会の計算材料部門のメンバーであり、高性能コンピューティング/ビッグデータ/仮想現実および視覚化技術委員会のメンバーであり、上海添加剤製造標準化委員会のメンバーであり、上海製造委員会のメンバーであり、ジアス協会の上海市立委員会のメンバーであるMGEの理事会メンバー、およびActa Metallurgica Sinicaの編集委員会メンバー。中国科学アカデミー、およびシェニヤンの高レベルの才能。

Gao Shuailong 氏は北京理工大学の博士課程の学生です。上海理工大学で修士号を取得しました。彼の研究分野は、付加製造 + 機械学習 + 性能予測 (機械的および電磁的ステルス性能) です。これまでに、Journal of Materials Science & Technology、Chemical Engineering Journal、Composites Part B、Metals などのジャーナルに 8 件の SCI 論文が掲載されています。中国材料会議、第6回材料遺伝子工学ハイレベルフォーラム、人工知能による付加的イノベーションとインテリジェント製造などの学術会議に参加しており、2023年中国材料会議のZ-Materialシミュレーション、計算、設計部門の学術ポスター優秀賞と、2024年上海/上海科学技術大学優秀卒業生の称号も受賞しています。

この記事を引用する
H. Wang、SL Gao、BT Wang、YT Ma、ZJ Guo、K. Zhang、Y. Yang、XZ Yue、J. Hou、HJ Huang、GP Xu、SJ Li、AH Feng、CY Teng、AJ Huang、L.-C. Zhang、DL Chen、「積層造形金属材料の機械学習支援疲労寿命予測における最近の進歩：レビュー」、J. Mater. Sci. Technol. 198 (2024) 111-136。

上海理工大学：積層造形における機械学習を活用した金属材料の疲労寿命予測の最新動向のレビュー

第4回国際付加製造研究最前線会議および産業発展フォーラムが南京で成功裏に開催されました。

中国のEplus3Dがオープンソースのレーザービーム粉末床金属3Dプリンターをリリース

NBAスターはどのようにシュートするのでしょうか?ジェームズとカリーのシュートデータを3Dプリント

スコットランドの病院が小耳症の治療に3Dスキャンと3Dプリントを採用

3D プリンティングの大手企業 8 社が、AMGTA (Additive Manufacturers Green Trade Association) に加盟しました。

Yuanzhu 3D プリンターにより高級時計サプライヤー Promotion SpA の開発が迅速化

デスクトップメタルは、1日あたり1台あたり20万個の生産能力で、コバルトフリーの超硬合金部品を大量生産できる。

AEM: 3Dプリントされた伸縮性構造による圧電エネルギーの収集とセンシング

最も有望な3Dプリントアプリケーションの1つ：可変密度バッファ構造

イベント l 「先進設計と積層造形スマートラーニングワークショップ（2020）」プロジェクトセミナー

推薦する

StratasysとAvio Aeroが航空宇宙3Dプリンティングで画期的な進歩を達成

Nano3Dprint が 20nm の印刷解像度を備えた新しいサブミクロン D4200S プリンターを発売

Mohawk 社、Velo3D でアノード排気ガス回収ブロワーの価格を 60% 削減

78歳になっても3Dプリントに取り組み続ける: 初心に忠実であり続け、職人技を磨き続ける清華大学ヤン・ヨンニアン教授

ScanTech、AM-CELL C200自動光学3座標システムをリリース

南極のクマの概要: 世界のトップ 10 の接着剤噴射ソリューション

フォーブス：中国の3Dプリントは世界で最も急速に成長している地域の一つ

山東科技大学の江立帥教授チーム：砂型3Dプリント標本に基づく固定岩盤表面補強効果

2019年は亥年、3Dプリントされた豚のコウモリ（祝福）、素晴らしいものになりそうだ

超クールな 3D プリント変形可能マスク: Microsoft Hololens ホログラフィックグラスで制御

付加製造における新たな勢力の誕生を目の当たりにする、3D プリンティングベンチャーキャピタルカンファレンスが大盛況のうちに開催されました。

300℃の高温印刷、最大5倍の印刷速度、工業デザインのためにSermoon D3が誕生

FlashForgeは、教育における3Dプリントの革新を展示するために第74回中国教育機器展示会に参加しました。

業界標準のギャップを埋めるために、全国鋳造3D印刷機器標準セミナーが泉州で開催されました。

3Dプリント技術とバイオメディカル材料の開発