私の研究の範囲は、機械学習、特に溶接に起因する残留応力を予測する人工ニューラルネットワークを使用した効率的な代理モデルの開発に焦点を当てています。私たちの主な焦点は、溶接シミュレーションのデータ生成を自動化して効率を向上させる方法に取り組むことです。Pythonスクリプトとマクロ関数によるデータ生成の自動化により、シミュレーションのセットアップ時間が大幅に短縮され、大規模なデータセットの作成が可能になることを立証しました。
さらに、当社の人工ニューラルネットワークベースの回路モデルは、溶接に起因する残留応力を正確に予測し、0.0024の相対平均平方根誤差を達成します。0.0024の相対二乗平均平方根誤差を達成します。当社のプロトコルは、Pythonスクリプトとマクロ関数によるデータ生成の自動化により、シミュレーションのセットアップとデータ抽出に必要な時間と労力を削減するという利点があります。
これにより、一貫性が確保され、機械学習モデルをトレーニングするための広範なデータセットを作成できます。まず、Abaqusを開いてファイルをクリックし、続いて作業ディレクトリを設定して作業ディレクトリを設定します。次に、ファイルマクロマネージャーの作業を順番にクリックし、サーマルレコーディングという名前のマクロを作成します。
溶接試験片のモデルを作成します。例として、プレート構造の単一の溶接ビードのベンチマークケースを使用します。パーツをクリックしてから、パーツを作成します。
XY平面上に正方形のスケッチを押し出すことにより、試験片の3D変形可能なハーフモデルを作成します。次に、パーツをクリックし、ナビゲートしてデータム平面を作成し、[主平面からのオフセット]を選択します。溶接の開始点と終了点を定義するには、ビードの長さに基づいて YZ 平面からのオフセットを指定します。
次に、XY 平面と XZ 平面からのオフセットをそれぞれ指定して、ビードの深さと幅に 2 つの追加のデータム平面を作成します。パートをクリックし、パーティションセルデータム平面を使用するオプションを選択して、4つのデータム平面を使用して試験片のセルパーティションを作成します。次に、パーツをクリックし、[ソリッド押し出しの作成]を選択します。
データム平面の 1 つにスケッチを作成して、試験片の上面サーフェスの下にある溶接ビードの部分を定義します。ビードの寸法に従う円弧と 2 本の線を使用します。スケッチをビードの長さの深さまで押し出して、カットを作成します。
次に、スケッチをビードの長さまで押し出し、[内部境界を保持]を選択します。パーツをクリックし、[データム平面を作成]を選択し、主平面からオフセットを選択します。データム平面の 1 つに 1 本の線上に 2 つの円弧を使用して溶接ビードをスケッチします。
パーツをクリックし、パーティションセルを選択し、データム平面を使用して、4つのデータム平面を使用して標本のセルパーティションを作成します。ステンレス鋼AISI 316 LNの材料を定義するには、プロパティをクリックして材料を作成し、一般メニューで密度を定義し、温度依存データを使用して熱メニューで熱率と比熱を定義します。次に、モデルに材料を割り当てます。
プロパティをクリックし、次に断面を作成して、定義された材料で均質なソリッド断面を作成します。プロパティ、セクションの割り当てをクリックして、作成したセクションをモデルに割り当てます。次に、ステップをクリックし、続いてステップを作成して、周期が26.43、固定時間増分が0.1の溶接という名前の熱伝達ステップを作成し、ジオメトリの非線形性がないことを確認します。
初期増分、最小増分、最大増分サイズをそれぞれ 0.1、0.05、5 に設定した適応時間増分を使用して、期間 70 の冷却 1 という名前の別の熱伝達ステップを作成します。それぞれ 0.1、0.05、5 に設定します。最後に、初期増分サイズ、最小増分サイズ、最大増分サイズをそれぞれ 5、1、100 に設定した適応時間増分を使用して、期間が 2, 000 の cooling two という名前の熱伝達ステップを作成します。
モデル属性を設定するには、model、edit attributeをクリックします。をクリックして、属性設定にアクセスします。絶対零度温度を 273.15 に設定します。
絶対零度温度を 273.15 に設定します。Stefan-Boltzmann定数を5.67 x 10の11乗に指定します。ステップをクリックしてフィールド出力を作成し、モデル全体の節点温度リクエストを設定します。
次に、[アセンブリとインスタンスの作成]をクリックして、依存インスタンスを作成します。次に、interaction、create interaction、surface film conditionを順次クリックして、対称平面を除くモデルのすべてのサーフェスで、熱伝達率が15、シンク温度が20の表面フィルム条件の相互作用を作成します。開始ステップを溶接として設定します。
次に、[相互作用]、[相互作用の作成]、および[表面輻射]を順番にクリックして、対称平面を除くモデルのすべての表面に放射率0.7、周囲温度20の表面輻射相互作用を作成します。開始ステップを溶接として設定し、荷重モジュールで荷重を定義します。荷重、荷重熱流束、および車体熱流束の作成をクリックして、溶接ステップで開始し、2 つの冷却ステップ中に非アクティブになるユーザー定義の車体熱流束荷重を作成します。
次に、[load]、[create predefined field]、[other]、および [field] をクリックして、最初のステップから開始して、室温 20 を表す事前定義された温度フィールドを作成します。メッシュモジュールでメッシュを作成するには、メッシュをクリックし、パーツにするオブジェクトを選択し、パーツをシードしてグローバルサイズ0.0024でパーツをシードします。メッシュをクリックし、次にシードエッジをクリックして、ビードの深さとビード幅のエッジを3の数でシードします。
円弧の端に 3 の番号を、ビードの長さの端に 0.0015 のサイズでシードします。次に、メッシュをクリックし、メッシュコントロールを割り当て、ビード領域の自由手法でTET形状要素を使用します。meshをクリックし、要素タイプを割り当て、要素タイプをDC 3D 10に設定してから、パーツをメッシュします。
メッシュを使用してから、サイズが 0.0015 の細かいメッシュ領域、サイズが 0.0011 の Y 軸エッジ、サイズが 0.00075 の Z 軸エッジ内の X 軸と同一直線上のエッジをシードするようにシード エッジを使用します。サイズが 0.00075 の Z 軸エッジ。次に、メッシュをクリックし、続いて割り当てられたメッシュコントロールをクリックして、スイープ手法で六角形要素を使用して、残りの領域にメッシュ制御を割り当てます。
次に、メッシュをクリックし、要素タイプを割り当てて、要素タイプをDC 3D 20に設定し、続いてパーツをメッシュ化します。job, create jobをクリックして、Thermal analysisという名前のジョブを作成し、Dフラックスユーザーサブルーチンをアタッチします。マクロの記録を停止します。
abaqusMacros という名前の Python ファイルがあることを確認します。py は作業ディレクトリに生成されます。最後に、[job]、[job manager]の順にクリックし、送信します。
ThermalAnalysis という名前の結果ファイル。ODBが生成されます。BDラインに沿った縦方向の応力は、アークの移動距離、アークの進行速度、および正味のエネルギー入力率のさまざまな組み合わせで一貫した変動を示し、応力は表面に近いほどピークに達し、深い深さで減少しました。
有限要素シミュレーションと人工ニューラルネットワーク予測との間の不一致の大部分は、0〜2メガパスカルの範囲に収まり、テストデータの45.2%を占めていました。トレーニング データ ポイントが少ないストレス レベル ビンでは、特定のビンの絶対残差に見られるように、テスト データセットの最大不一致が高かった。人工ニューラルネットワークの予測は、有限要素シミュレーションの結果とほぼ一致し、平均二乗誤差は0.0024でした。
