強化学習を用いたロボットの知能化
近年，人工知能・機械学習技術の発展もあり，これらの知能化技術をロボットの環境適応能力や自律性の付与の手段として用いることが期待されています．しかし，強化学習を含む機械学習は，一般的に多くの学習時間を必要とする根本的な問題を抱えています．従って，学習時間を短縮することが，実時間で学習する実ロボットにとって，特に解決すべき重要な課題です．私達は，遺伝的アルゴリズムの概念で説明した学習高速化手法を開発し，より高度なロボットの知能化の実現を目指しています．
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