Hledání optimálních hodnot parametrů v modelech přirozeného deformačního odporu prostřednictvím umělých neuronových sítí a genetických algoritmů

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989100%3A27360%2F18%3A10241005" target="_blank" >RIV/61989100:27360/18:10241005 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

čeština

Název v původním jazyce

Hledání optimálních hodnot parametrů v modelech přirozeného deformačního odporu prostřednictvím umělých neuronových sítí a genetických algoritmů

Popis výsledku v původním jazyce

Počítačové simulace tvářecích procesů vyžadují mimo jiné i znalost vývoje přirozeného deformačního odporu (PDO) tvářeného materiálu v závislosti na udílené deformaci, teplotě a deformační rychlosti. Uvedené závislosti (stanovené experimentálně) jsou často popisovány matematickými modely, které sestávají z pomocných proměnných (parametrů) závislých na teplotách a deformačních rychlostech. Přesnost jejich popisu tedy ovlivňuje přesnost výsledných modelů. Možnosti popisu těchto parametrů s využitím tzv. inteligentních algoritmů jsou předmětem předkládané práce. Popisováno bylo celkem pět parametrů, jež jsou součástí dvou modelů PDO. Jejich popis byl v prvé řadě realizován jedním prediktivním vztahem, jehož konstanty byly vždy pro konkrétní parametr stanoveny s využitím genetických algoritmů. V druhé řadě byl popis realizován s nasazením vícevrstvých dopředných umělých neuronových sítí se zpětným šířením chybového signálu. Grafické a statistické srovnání ukazuje na vyšší přesnost popisu při využití neuronových sítí, což lze připsat jejich větší univerzálnosti.

Název v anglickém jazyce

Searching for Optimal Values of Parameters in Natural Flow Stress Models Utilizing Artificial Neural Networks and Genetic Algorithms

Popis výsledku anglicky

Bulk-forming processes (e.g., rolling, forging, etc.) are accompanied by the response of formed material against forming load - this response is known as flow stress. So-called natural flow stress is then a key material characteristic - it is used for instance at numerical simulations of given forming process (performed by finite element methods). The natural flow stress is influenced by the level of strain, strain rate, and temperature. These dependencies are experimentally obtained by e.g., uniaxial compression or torsion tests. For future computer treatment of the obtained data, it is appropriate to describe them mathematically. This description is usually performed by the so-called flow stress models. Unfortunately, the dependence of the natural flow stress on the strain, strain rate, and temperature can be very complicated; especially in the case of hot forming processes. That&apos;s the reason why the flow stress models usually contain auxiliary variables - parameters, which are firstly described in relation to temperature and strain rate and only then inserted into the flow stress models. So, it is clear, that the prediction capability of these models is directly connected with the accuracy of description of their parameters. Possibilities of the description of these parameters by use of so-called intelligent algorithms are the subject of this paper. The investigation was realized on the five parameters, which were the part of two flow stress models. The one predictive relationship firstly described experimental values of these parameters. The unique constants of this relation were for each parameter determined by the use of genetic algorithms. As the second approach, multi-layer feed-forward artificial neural networks with the back propagation learning algorithm were employed to describe these parameters. Graphical and statistical results have shown that the utilizing the artificial neural network approach allows the attainment of higher prediction capability.

Druh

J_ost - Ostatní články v recenzovaných periodicích

CEP obor

—

OECD FORD obor

20501 - Materials engineering

Projekt

<a href="/cs/project/LO1203" target="_blank" >LO1203: Regionální materiálově technologické výzkumné centrum - Program udržitelnosti</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2018

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název periodika

Hutnické listy

ISSN

0018-8069

e-ISSN

—

Svazek periodika

71

Číslo periodika v rámci svazku

6

Stát vydavatele periodika

CZ - Česká republika

Počet stran výsledku

8

Strana od-do

"15–22"

Kód UT WoS článku

—

EID výsledku v databázi Scopus

—