オーステナイトステンレス鋼のクリーブおよびクリープ疲労損傷評価における統計解析と機械学習の適用

摘要

近年，データの蓄積と計算機性能の向上に伴い統計解析や機械学習によるデータ分析に注目が集まっており，材料の損傷評価にもそれらが適用され始めている．しかし，EBSD観察による損傷評価に統計解析を適用した例は少なく，また機械学習を適用した例は筆者らの調査した範囲では見当たらなかった．そこで筆者らは，クリープ途中止め試験材のEBSD（Electron BackScateer Diffraction pattern）観察により得られるKAM（Kernel Average Misorientation）パラメータを用いた損傷評価にニューラルネットワークを適用した．その結果従来の画面平均を用いた方法（マスターカーブ法）と比較し，損傷率の判別精度が良い方法である事を既報に示した．しかし，パラメトリックな統計的手法を用いた評価方法が適用出来るのか，クリープ疲労損傷への適用は可能なのか等については既報では検討がなされていなかった．そこでパラメトリックな統計的手法を用いた評価を行い，従来法およびニューラルネットワーク（NN）による方法と比較した．またクリープ疲労損傷にもクリープと同様の評価方法を適用し精度を検証する事でクリープ疲労損傷の評価への適用性を検討した．