基于机器学习的层间光电二极管数据检测 LPBF 过热异常

Mar, 2024

基于机器学习的层间光电二极管数据检测 LPBF 过热异常

Machine Learning-based Layer-wise Detection of Overheating Anomaly in LPBF using Photodiode Data

Nazmul Hasan, Apurba Kumar Saha, Andrew Wessman, Mohammed Shafae

TL;DR通过利用光电二极管传感器数据的机器学习框架，本研究集中于检测过热异常，其中提取了光电二极管数据的三组特征（MSMM、MSQ 和 MSD）并采用多数投票集成方法，实现了层次化的过热异常检测，结果表明，所涉及的方法在检测层次化过热异常方面取得了卓越的结果，显着优于现有文献中使用相同基准数据集的方法。

Abstract

overheating anomaly detection is essential for the quality and reliability of parts produced by laser powder bed fusion (LPBF) additive manufacturing (AM). In this research, we focus on the detection of overheati

overheating anomaly detection laser powder bed fusion photodiode sensor data machine learning framework majority voting ensemble

发现论文，激发创造

激光粉床增材制造温度预测的长短时记忆神经网络

本文提出了一种智能打印工具，通过神经网络对温度梯度分布进行预测和优化，实现 laser powder bed fusion 的打印控制和质量提高。

Jan, 2023

基于视觉 Transformer 的熔池深度轮廓预测的深度学习方法

用机器学习框架将高速彩色成像下的热像与熔池横截面轮廓进行相关联，以模拟超声成像所观察到的熔池亚表面形态，并通过与实验熔池观察结果进行比较评估性能。

Apr, 2024

应用机器学习模型预测器件电气性能的度量数据分析

摘要：本研究使用了 imec N14 BEOL 工艺流程以及 LELE 图案技术，在半导体设备制造中分析和控制叠加误差，研究其对电容的影响，并探索在早期阶段使用机器学习模型预测最终电容测量结果的方法。

Nov, 2023

MeltpoolNet: 金属添加制造中的熔池特征预测，使用机器学习