- APPRENTISSAGE MACHINE POUR PRÉVOIR LA DÉFORMATION À LA FRACTURE DANS LE FORMAGE DE LA TÔLERIE -
- APPRENTISSAGE MACHINE POUR PRÉVOIR LA DÉFORMATION À LA FRACTURE DANS LE FORMAGE DE LA TÔLERIE -
Machine Learning for Predicting Fracture Strain in Sheet Metal Forming
"Machine Learning for Predicting Fracture Strain in Sheet Metal Forming" est un article qui appartient au numéro spécial Artificial Neural Network Prediction in Metal Forming Processes
- "Machine Learning for Predicting Fracture Strain in Sheet Metal Forming" est un article qui appartient au numéro spécial Artificial Neural Network Prediction in Metal Forming Processes
"Machine Learning for Predicting Fracture Strain in Sheet Metal Forming" est un article qui appartient au numéro spécial Artificial Neural Network Prediction in Metal Forming Processes
- Résumé:
- Des modèles d'apprentissage automatique sont construits pour prédire les valeurs de déformation pour lesquelles la fissuration des bords se produit dans les tests d'expansion de trou. Les échantillons issus de cet essai jouent le rôle de composants en tôle à fabriquer, dans lesquels se produisent souvent des fissures de bord associées à un état de contrainte de traction uniaxiale sur les bords critiques des composants. Pour la construction des modèles, un ensemble de données a été obtenu expérimentalement pour des tôles d'acier au carbone ferritique laminées de différentes qualités et épaisseurs. Deux types d'essais ont été réalisés : des essais de traction et d'expansion des trous. Dans l'essai de traction, la limite d'élasticité, la résistance à la traction, la déformation à charge maximale et l'allongement après rupture ont été déterminés dans les directions de roulement et transversale. Dans le test d'expansion du trou, la déformation pour laquelle la fissuration des bords se produit a été déterminée. Il est prévu que les modèles puissent prédire la déformation à la rupture dans cet essai, sur la base de la connaissance des données d'essai de traction. Les algorithmes d'apprentissage automatique utilisés étaient le Perceptron multicouche, les processus gaussiens, la régression vectorielle de support et la forêt aléatoire. La régression polynomiale traditionnelle qui correspond à une fonction polynomiale d'ordre 2 a également été utilisée à des fins de comparaison. Il est démontré que les modèles prédictifs basés sur l'apprentissage automatique surpassent la méthode de régression polynomiale traditionnelle ; en particulier, les processus gaussiens et la régression vectorielle de support se sont avérés être les meilleurs algorithmes d'apprentissage automatique qui permettent les modèles prédictifs les plus robustes.
"Machine Learning for Predicting Fracture Strain in Sheet Metal Forming" est un article qui appartient au numéro spécial Artificial Neural Network Prediction in Metal Forming Processes
- Par: Marques, A.E.; Dib, M.A.; Khalfallah, A.; Soares, M.S.; Oliveira, M.C.; Fernandes, J.V.; Ribeiro, B.M.; Prates, P.A. Machine Learning for Predicting Fracture Strain in Sheet Metal Forming. Metals 2022, 12, 1799. https://doi.org/10.3390/met12111799
Accéder à l'article complet sur: https://www.mdpi.com/2075-4701/12/11/1799
- Accéder à l'article complet sur:
- https://www.mdpi.com/2075-4701/12/11/1799
- 25/10/2022