TOP > 国内特許検索 > 算出方法、溶接方法、及びプログラム

算出方法、溶接方法、及びプログラム

国内特許コード P180014839
整理番号 S2017-1056-N0
掲載日 2018年4月17日
出願番号 特願2017-173120
公開番号 特開2019-048309
出願日 平成29年9月8日(2017.9.8)
公開日 平成31年3月28日(2019.3.28)
発明者
  • 柴原 正和
  • 生島 一樹
  • 前川 真奈海
出願人
  • 公立大学法人大阪
発明の名称 算出方法、溶接方法、及びプログラム
発明の概要 【課題】本発明は、残留応力分布に対応する溶接パラメータ、又は溶接パラメータに対応する残留応力分布を予測することができる算出方法を提供する。
【解決手段】本発明の算出方法は、学習済みのニューラルネットワークを用いて残留応力から溶接パラメータを算出又は溶接パラメータから残留応力を算出するステップを含み、前記学習済みのニューラルネットワークは、教師データを学習させたニューラルネットワークであり、前記教師データは、溶接パラメータを含む入力と残留応力を含む出力との複数のペアであり、前記溶接パラメータは、溶接材料を用いて母材を溶接する方法のパラメータであり、入熱量、溶接速度、溶接電流、印加電圧、前記母材の材質、前記母材の形状、前記溶接材料の材質、前記溶接材料の形状、溶接パスのパス割り、溶接パスの溶接順序のうち少なくとも1つを含む。
【選択図】図3
従来技術、競合技術の概要

厚い金属板を接合したり補修したりする場合、一般的に溶接材料を用いて母材を溶接する方法(例えば、アーク溶接)が用いられる。溶接材料を用いて母材を溶接する際、溶接材料は溶融し溶接金属として溶着する。そして溶接金属は、凝固し冷却される。この溶接金属は冷え固まる際に収縮するため、溶接金属付近(溶接部)の表面では引張応力が残留しやすい。この残留引張応力が生じた箇所が腐食環境に曝されると、この箇所において応力腐食割れが生じやすい。また、残留引張応力が生じた箇所に振動が加わると、この箇所において疲労破壊が生じやすい。なお、溶接部は、母材が熱影響を受けた部分と溶接金属とを含む。
溶接部の表面をピーニング処理することにより、表面の残留応力を引張から圧縮の応力に変える、又は表面の引張りの残留応力を低減する方法が知られている(例えば、特許文献1参照)。表面の残留応力が圧縮の応力となる又は表面の引張りの残留応力が低減されることにより、応力腐食割れや疲労破壊などが生じにくくなる。また、溶接部に熱を加えることにより残留応力を取り除く方法(アニーリング)が知られている。

産業上の利用分野

本発明は、残留応力、溶接パラメータなどの算出方法、溶接方法、及びプログラムに関する。

特許請求の範囲 【請求項1】
学習済みのニューラルネットワークを用いて残留応力から溶接パラメータを算出又は溶接パラメータから残留応力を算出するステップを含み、
前記学習済みのニューラルネットワークは、教師データに対して正しい入力・出力関係が構成されるようにネットワークの重みを調整することにより学習させたニューラルネットワークであり、
前記教師データは、溶接パラメータを含む入力と残留応力を含む出力との複数のペアであり、かつ、実験及びシミュレーションのうち少なくとも1つを用いて作成されたデータであり、
前記溶接パラメータは、溶接材料を用いて母材を溶接する方法のパラメータであり、入熱量、溶接速度、溶接電流、印加電圧、前記母材の材質、前記母材の形状、前記溶接材料の材質、前記溶接材料の形状、溶接パスのパス割り、溶接パスの溶接順序のうち少なくとも1つを含む算出方法。

【請求項2】
前記算出するステップは、学習済みのニューラルネットワークを用いて逆問題解析により残留応力を含む入力から溶接パラメータを含む出力を算出するステップである請求項1に記載の算出方法。

【請求項3】
前記算出するステップは、学習済みのニューラルネットワークを用いて溶接パラメータを含む入力から残留応力を含む出力を算出するステップである請求項1に記載の算出方法。

【請求項4】
前記母材を溶接する方法は、多層溶接であり、
前記溶接パラメータは、積層された溶接パスのパス割り、積層された溶接パスの溶接順序、各溶接パスの入熱量、各溶接パスの溶接速度、各溶接パスの溶接電流、各溶接パスの印加電圧、パス間温度のうち少なくとも1つを含む請求項1~3のいずれか1つに記載の算出方法。

【請求項5】
請求項1又は2に記載の算出方法を用いて算出した溶接パラメータを用いて前記母材を溶接する溶接方法。

【請求項6】
学習済みのニューラルネットワークを用いて溶接パラメータから残留応力分布、変形分布、ひずみ分布、温度分布のうち少なくとも1つを算出するステップを含み、
前記学習済みのニューラルネットワークは、教師データに対して正しい入力・出力関係が構成されるようにネットワークの重みを調整することにより学習させたニューラルネットワークであり、
前記教師データは、溶接パラメータを含む入力と、残留応力分布、変形分布、ひずみ分布、温度分布のうち少なくとも1つを含む出力との複数のペアであり、かつ、実験及びシミュレーションのうち少なくとも1つを用いて作成されたデータであり、
前記溶接パラメータは、溶接材料を用いて母材を溶接する方法のパラメータであり、入熱量、溶接速度、溶接電流、印加電圧、前記母材の材質、前記母材の形状、前記溶接材料の材質、前記溶接材料の形状、溶接パスのパス割り、溶接パスの溶接順序のうち少なくとも1つを含む算出方法。

【請求項7】
コンピューターに学習済みのニューラルネットワークを用いて逆問題解析により残留応力を含む入力から溶接パラメータを含む出力を算出するステップを実行させるためのプログラムであって、
前記学習済みのニューラルネットワークは、教師データに対して正しい入力・出力関係が構成されるようにネットワークの重みを調整することにより学習させたニューラルネットワークであり、
前記教師データは、溶接パラメータを含む入力と残留応力を含む出力との複数のペアであり、かつ、実験及びシミュレーションのうち少なくとも1つを用いて作成されたデータであり、
前記溶接パラメータは、溶接材料を用いて母材を溶接する方法のパラメータであり、前記母材の材質、前記母材の形状、入熱量、溶接速度、溶接電流、印加電圧、前記溶接材料の材質、前記溶接材料の形状、複数の溶接パスの配置、複数の溶接パスの溶接順序のうち少なくとも1つを含むプログラム。

【請求項8】
コンピューターに学習済みのニューラルネットワークを用いて溶接パラメータを含む入力から残留応力を含む出力を算出するステップを実行させるためのプログラムであって、
前記学習済みのニューラルネットワークは、教師データに対して正しい入力・出力関係が構成されるようにネットワークの重みを調整することにより学習させたニューラルネットワークであり、
前記教師データは、溶接パラメータを含む入力と残留応力を含む出力との複数のペアであり、かつ、実験及びシミュレーションのうち少なくとも1つを用いて作成されたデータであり、
前記溶接パラメータは、溶接材料を用いて母材を溶接する方法のパラメータであり、前記母材の材質、前記母材の形状、入熱量、溶接速度、溶接電流、印加電圧、前記溶接材料の材質、前記溶接材料の形状、複数の溶接パスの配置、複数の溶接パスの溶接順序のうち少なくとも1つを含むプログラム。
国際特許分類(IPC)
画像

※ 画像をクリックすると拡大します。

JP2017173120thum.jpg
出願権利状態 公開
ライセンスをご希望の方、特許の内容に興味を持たれた方は、下記までご連絡ください


PAGE TOP

close
close
close
close
close
close
close