Prediction of strain distribution in press forming using machine learning
機械学習を用いたプレス成形時のひずみ分布予測
- Delivery
- Available on the other site
- Click here to order.
- Publication code
- 20264387
- Paper/Info type
- JSAE Transaction
Vol.57 No.3
- Pages
- 498-503(Total 6 p)
- Date of publication
- May 2026
- Publisher
- JSAE
- Language
- Japanese
Detailed Information
| Category(J) | 論文 Translation |
|---|---|
| Category(E) | Paper |
| Author(J) | 1) 新田 真由, 2) 奥本 悠季, 3) 小島 宏介, 4) 高橋 玄武, 5) 横山 優太, 6) 杉山 裕文, 7) 岡澤 重信 |
| Author(E) | 1) Mayu Nitta, 2) Yuki Okumoto, 3) Kosuke Kojima, 4) Genbu Takahashi, 5) Yuta Yokoyama, 6) Hirofumi Sugiyama, 7) Shigenobu Okazawa |
| Affiliation(J) | 1) 山梨大学, 2) マツダ株式会社, 3) マツダ株式会社, 4) 山梨大学, 5) ダイバーテクノロジー株式会社, 6) 山梨大学, 7) 山梨大学・ダイバーテクノロジー株式会社 |
| Abstract(J) | プレス成形による残留変形やひずみの高精度予測は衝突エネルギー吸収量の高精度予測に欠かせない．しかし，全てのケースに対して数値シミュレーションを行うことは計算負荷が大きい．本研究では，その数値シミュレーションに対して機械学習による代替方法を提案する．学習モデルや特徴量について検討し，数値解析例を通して提案手法の妥当性を検討する． Translation |
| Abstract(E) | Accurate prediction of residual deformation and strain induced by press forming is essential for precise estimation of crash energy absorption. However, conducting numerical simulations for each case is computationally intensive. To address this challenge, this study proposes a machine learning-based approach to estimate the residual strain distribution. We carefully investigate the selection of training data and input features to improve prediction accuracy. The proposed method is validated through numerical experiments, demonstrating its effectiveness. |
