
탄소 중립을위한 환경 예측 기술 개발 노력
- 이산화탄소 및 IoT 데이터 재활용 -
- Tohoku University의 Advanced Materials Research 연구소 교수
- Ando Hiroyasu
변경
위치
현재 영어 사이트를 사용하고 있습니다.
1. 이산화탄소가없고 재활용 지향적 인 사회의 성립
탄소 중립을위한 환경 예측 기술 개발 노력 : - 이산화탄소 및 IoT 데이터 재활용 -
시뮬레이션 기술을 사용하여 열대 이탄 랜드 보존 및 관리 : 열대 이탄의 지하수 수준을 시각화하는 시뮬레이션 기술
일본의 최초의 환경 친화적 인 차세대 전기 추진 선 시스템 : 시스템 통합 가능 CO2 배출량을 30%줄일 수 있습니다
intermission
2. 테크놀로지 혁신
냉각 구멍이있는 세라믹 매트릭스 복합재 (CMC)에 대한 생명 예측 모델 개발
탄소 중립을위한 환경 예측 기술 개발 노력
- 이산화탄소 및 IoT 데이터 재활용 -
시뮬레이션 기술을 사용하여 열대 토탄을 보존 및 관리
열대 피크 랜드에서 지하수 수준을 시각화하는 시뮬레이션 기술
인도네시아의 열대 피크 랜드에서 운영되는 산림 사업은 숲을 배양하고 이산화탄소 (CO₂) 배출을 줄이기 위해 항상 지하수 수준을 일정하게 유지해야합니다. 지하수 수준을 관리하기 위해, 우리는 열대 피크 랜즈의 측정 및 관찰 데이터와 물 관리의 운영 시뮬레이션을 기반으로 수준을 추정하고 그러한 발전을 통해 사회에 기여하는 것을 목표로하는 기술을 개발하고 있습니다.
일본의 최초의 환경 친화적 인 차세대 전기 추진 선 시스템
시스템 통합은 CO2 배출량을 30%줄일 수 있습니다
스포츠 사이트 Power Systems Co., Ltd.는 직렬 하이브리드에 대한 DC (직접 전류) 전압 그리드 시스템을 채택하여 기존의 선박과 비교하여 이산화탄소 (COS) 배출량을 크게 감소시키는 데 성공했습니다. 이 시리즈 하이브리드는 추진을 위해 전기 모터와 전기 용 배터리와 발전기의 조합을 사용합니다.
역사적 풍경의 일부가 된 구조
사회에 더 많은 새로운 선택을 제공하는 연구 및 개발
냉각 구멍이있는 세라믹 매트릭스 복합재 (CMC)에 대한 생명 예측 모델 개발
CMC (Ceramic Matrix Compositions)는 Ni 기반 합금보다 더 높은 내열성 및 특정 계수를 가지므로 터빈 부품과 같은 항공기 엔진 부품에 더 많이 적용하기를 원합니다. 엔진 부품이 열 내구성에 대한 조건에 노출되므로 표면을 식기 위해 일반적으로 여러 구멍이 만들어집니다. 그러나 CMC 피로 수명에 대한 작은 구멍 효과에 대한 연구 결과는 거의 없습니다. 이 연구는이 현상에 중점을 두었습니다. 피로 테스트는 단일 구멍과 다중 구멍으로 제조 된 평평한 판을 사용하여 수행되었습니다. 시험의 결과로, 단일 홀드 및 다중 홀드 유형 사이에서 상이한 골절 및 균열 전파 모드가 관찰되었다. 생명 예측 모델은 생명 타락을 설명하기 위해 고려되었습니다. 강도 파라미터는 CMC 단위 셀의 영역에서 유한 요소 분석 (FEA)에 의해 예측 된 응력 필드를 평균화함으로써 계산되었다. 이 연구에서 개발 된 수명 예측 모델을 사용함으로써 구멍이있는 모든 유형의 테스트 조각의 피로 수명은 구멍이없는 매끄러운 모양의 테스트 조각에서 얻은 S-N 곡선을 기반으로 예측할 수 있습니다.
TI-6AL-4V 디스크의 과속 파열에 대한 최종 제한 상태 평가
에어로 엔진에서는 과속 조건에서 디스크 버스트 회전 속도의 예측 정확도를 향상시키고 디스크의 무게를 줄일 것으로 예상됩니다. 구조 분석에 의해 디스크 버스트의 예측 정확도를 향상시키기 위해서는 골절 될 때까지 재료의 궁극적 거동을 모델링하는 것이 중요합니다. 이 연구에서, 과속 파열로 이어지는 최종 한계 상태 평가는 TI-6AL-4V 디스크에 대한 구조 분석에 의해 수행되었다. 응력 상태에 의존하는 파단 변형에 기초한 디지털 이미지 상관 방법 및 연성 파단 기준에 의해 얻어진 고 대역 영역까지의 응력-변형 관계는이 평가에 사용되었다.
기계 학습을 사용한 금속 손상 패턴 추정
구조 재료는 사용 중에 다양한 유형의 손상이 발생하여 탐지 및 고장으로 이어질 수 있습니다. 실패 또는 재발을 방지하려면 손상의 원인을 식별해야합니다. 그러나 기존의 손상 조사에서 추정은 주로 평가의 지식과 경험에 기초하여 주관적이고 불안정한 결과를 초래합니다. 손상된 재료의 미세 구조 이미지에 머신 러닝 이미지 분류 방법을 사용하여 지식이나 경험에 의존하지 않는 일반적인 추정을 할 것으로 예상됩니다. 이 논문은 기계 학습 모델의 예측 결과를 제시하며, 이는 세 가지 유형의 손상된 재료 (크리프, 크리프-경포, 피로)의 EBSD (전자 후방 산란 회절) 이미지를 사용하여 정확도가 89%였다. 이 결과는이 방법을 통해 손상 패턴을 정확하게 추정 할 수있는 가능성을 보여줍니다.