時系列データを用いたモデル化
近年の計算機システムの発展と利用環境の向上により、諸科学や産業界のあらゆる分野でデータが蓄積されている。このようにして大量に蓄積されたデータから、 その背後にある自然現象や社会現象のような複雑かつ不確実な現象を読み解くには、データから本質的な情報を抽出するための手法の開発が不可欠である。このとき、不確実現象の解明と予測、知識獲得のために重要な役割を果たすのが現象のモデル化であり、時系列データを用いた現象のモデル化の問題に取り組む。
マルチスケール・マルチフィジックス有限要素解析法 結晶塑性有限要素法による動的再結晶を考慮した熱間圧延パラメータの最適化
金属材料の機械的特性は，材料の微視的な多結晶構造，特に優先方位や結晶粒径に大きく依存する．微視結晶構造制御に基づく高機能材料の創製のためには，熱的影響を含む材料の加工過程における塑性変形過程の結晶集合組織発展の非線形解析手法と加工プロセスパラメータの最適化の確立が必要である． 本研究においては，塑性変形誘起の集合組織発展に加え，熱的負荷による動的再結晶を解析可能なマルチスケール熱・結晶塑性有限要素解析コードを開発した．これにより自動車用ボディ板材のAl合金板材の圧延創製過程のプロセス最適化が可能となる．
論文
「動的再結晶を考慮したマルチスケール結晶塑性有限要素法によるAl合金板材の熱間圧延解析」(2019)『日本機械学会 第32回計算力学講演会』
「Development of Multi-scale Thermo-coupled Elastic-crystalline Plasticity Finite Element Code to Predict Dynamic Recrystallization」(2019)『 Asian Pacific Congress on Computational Mechanics (APCOM)』
「結晶塑性マルチスケール解析による異周速圧延プロセス設計」(2009)『塑性と加工』50-578p.242-248.
研究シーズ・教員に対しての問合せや相談事項はこちら
技術相談申込フォーム