更新日: 2019年10月8日

機械工学の諸問題へのディープラーニングの適用(2019/10/8)

ディープラーニングの機械工学分野への適用(2019/06/07)

2019/06/07に,設計情報駆動学研究会(http://www.di.mi.uec.ac.jp/ddi/meeting.html)にて鈴木が発表させて頂いたスライドです.

ディープラーニングによる構造の最適設計:

 畳み込みニューラルネットワークを用いたトポロジー最適化

畳み込みニューラルネットワーク(以下CNN.ディープラーニング技術の一種)の成熟に伴い,人間を上回るほど高精度の画像認識が実現されました.本研究では,CNNを用いて構造の最適設計を行う手法を提案します.目的は,構造の剛性を最大化する材料密度分布を得ることです.材料密度が高い箇所は高剛性,低い箇所は低剛性となります.まず,材料密度分布を画像と見たててCNNに入力し,剛性に関する特徴量を抽出します.その抽出結果に基づいて剛性を高める材料密度分布を取得します.

2

ディープラーニングによる構造の最適設計:

 3DプリントCFRPの曲線繊維配置の最適化

資料のダウンロード

近年,炭素繊維複合材料(CFRP)の航空機構造等への適用が拡大しています.連続繊維から成る高強度CFRP部材の多くは,直線状の炭素繊維のみを持ちます.

一方,本研究では,3DプリンタやAFP (Automated Fiber Placement)装置を用いて曲線状の炭素繊維をもつCFRPを想定し,曲線状繊維の最適な配置を求める最適化問題を扱います.つまり,各箇所における最適な繊維方向を探索します.

曲線状の繊維をうまく配置することで,円孔周辺の応力集中や,各部材の接合部の応力集中を緩和することができます.

本研究ではまず,曲線状繊維配置(最適繊維配置)を遺伝的アルゴリズム(GA)により求める手法を考案しました.しかし,GAには最適解の探索に膨大な時間がかかるため,GAとディープラーニングを組み合わせた新たら最適化手法を提案し,最適化時間の短縮を図りました.

また,提案手法による最適繊維配置は,従来のGAのみを用いた最適繊維配置よりも高強度であることも示しました.

ディープラーニングによる数値解析

 畳み込みニューラルネットワークを用いたマルチスケール熱伝導解析

畳み込みニューラルネットワーク(CNN)の成熟に伴い,人間を上回るほど高精度の画像認識が実現されました.

本研究では,CNNを用いて物理現象を解析するシミュレーション手法を提案します.本手法は,不均一な物性分布(熱伝導率分布)をもつ物体の温度分布を効率的に算出するものです.まず,熱伝導率分布を画像と見たててCNNに入力し,物体の伝熱特性(熱伝導の高い経路など)を認識します.その認識結果と境界条件に基づいて温度を算出します.また,知識の蒸留を利用して,小規模なCNNであっても高精度の温度分布を算出可能とする工夫も施しました.

ディープラーニング × 超音波探傷:

 LSTMと1d-CNNを用いた超音波の振動モード分類および伝搬方向の推定

© H31 - Todoroki & Mizutani Laboratory