additive manufacturing | BriefGPT

关键词additive manufacturing

搜索结果 - 31

深度神经算子支持的增材制造数字孪生建模
通过构建数字孪生模型，利用深度神经算子和深度学习模型，结合高精度计算模型解决熔池状态和缺陷预测的问题，并通过优化算法控制激光输入来提高增材制造的质量。
PDF2 months ago
智能制造中基于拓扑机器学习的质量流建模的新方法
该研究论文提出了一种基于拓扑分析的方法，用于智能制造中流质量评估的 5 级网络物理系统架构。该方法不仅可以实时监测和预测分析质量，还可以发现不同制造过程中质量特征与工艺参数之间的隐藏关系。通过应用于增材制造的案例研究，论文证明了该方法在保持
PDF2 months ago
TDIP: 可调深度图像处理，实时熔池监测解决方案
在工业 4.0 时代，3D 打印成型工艺作为一种创新且具有成本效益的方法，特别是金属 3D 打印，因其制造高度复杂几何结构的能力而成为重要的贡献者。然而，该行业仍然缺乏实时的过程监控算法。本文提出了可调谐深度图像处理方法（TDIP）来解决实
PDF3 months ago
通过深度学习推进增材制造：现有进展与未来挑战的综述
综述了近期对应用深度学习改进增材制造过程的研究，总结了其贡献和局限性，并指出了该领域中当前的挑战和前景，包括广泛几何类型的深度学习模型泛化、管理增材制造数据和模型的不确定性、利用生成模型克服有限和噪声的增材制造数据问题，以及揭示深度学习在增
PDF4 months ago
面向增材制造的数字孪生框架：时间序列工艺优化的机器学习与贝叶斯优化
利用数字孪生框架在实时预测控制激光直接能量熔化 (DED) 过程参数以满足特定设计目标，通过 LSTM 机器学习建立代理模型预测 DED 零件的温度，在此基础上引入贝叶斯优化 (Bayesian Optimization) 进行时间序列过程
PDF4 months ago
稀疏实验数据预测建模的自适应激活函数
本研究旨在通过研究两种类型的自适应激活函数来填补理解有限数据情景下可变激活函数对分类准确性和预测不确定性的影响的重要空白。研究结果表明，具有个体训练参数的自适应激活函数（如 ELU 和 Softplus）能够产生准确且自信的预测模型，优于固
PDF5 months ago
基于伪回放的类别连续学习在增材制造中的在线新类别异常检测
本文提出了一种基于伪重播的增量学习方法，通过集成类别增量学习和基于过采样的数据生成，使机器学习模型能够在出现新类别异常时增量训练，并且提高了数据质量，验证结果在增材制造过程中非常有效，带来更多模型架构上的灵活性。
PDF7 months ago
激光粉床熔化过程的统计参数化基于物理的机器学习数字孪生模型
本文介绍了基于参数化物理模型的数字孪生（PPB-DT），用于统计预测激光粉末床熔化金属增材制造过程中的熔池几何和缺陷识别在内的诊断应用。通过基于物理模型和实验数据训练的机器学习模型（PPB-ML-DT），这些数字孪生模型可用于预测、监测和控
PDF8 months ago
利用迁移学习方法对 3D 打印圆柱体对象进行缺陷分析
通过使用迁移学习模型，本研究探索了机器学习方法在 3D 打印圆柱体缺陷检测方面的有效性，发现特定的迁移学习模型（如 MobileNetV2）可以高准确度地分类 AM 缺陷，同时结果揭示了算法性能的差异，为 3D 打印可靠自动化缺陷分析提供模
PDF9 months ago
功能梯度材料的增材制造机器学习方法综述
通过机器学习优化处理参数、提高产品质量和检测制造缺陷的方式，提供了有关功能分级材料 (FGMs) 和 3D 打印的相关文献综述，并概述了机器学习方法在定向能量沉积和 FGMs 制造中的应用。
PDF9 months ago
基于数据驱动的增材制造知识的可转移性分析：粉末床熔化和定向能量沉积之间的案例研究
通过三步骤的知识可转移性分析框架，提出了一种支持数据驱动式增材制造知识转移的方法，该方法能够在不同的增材制造技术之间进行知识转移，包括数据表示、模型架构和模型参数等方面，为实现高效的跨环境或跨过程知识交流奠定了基础。
PDF10 months ago
迈向增材制造领域基础 AI 模型：G 代码调试、操作和理解的语言模型
3D 打印与 G 代码的调试是一项具有挑战性的任务，本研究通过评估六种最先进的大型语言模型（LLMs）的性能，展示了它们理解和调试 3D 打印中的 G 代码文件的能力，并分析了它们的优势、弱点和应用限制。
PDF10 months ago
基于机器学习辅助的多保真贝叶斯优化与 CFD 耦合方法发现新型反应器设计
通过添加制造技术，我们提出了两种新型的螺旋管参数化模型，用于在更广泛的设计空间中寻找优化解。通过最大化塞流性能，我们确定了优化反应器设计的关键特征，并将其推广到 3D 打印并进行了实验验证。
PDFa year ago
基于 MOOSE 的添加制造模型的快速准确降阶建模与操作学习
通过运用运算符学习方法构建 AM 模型的快速准确的降阶模型，以提高 AM 控制和优化过程的时间 / 成本，同时保持评估准确性。
PDFa year ago
基于 CNN 视觉处理的增材制造缺陷分类
本文考察了在增材制造过程中利用计算机视觉和原位监测技术获取大型数据集的可能性，并使用卷积神经网络和主动学习技术对其进行分类和优化，形成可减小数据量与需求的人机协作模型。
PDFa year ago
利用机器学习技术在真实和生成数据集上对谷物和晶界进行分割
本文使用卷积神经网络（CNN）对真实数据和合成数据组合进行了训练，提高了晶界分割的准确性，为粉末冶金过程中的晶界分析提供了新的方法。
PDFa year ago
利用傅里叶神经算子捕获增材制造过程中的局部温度演化
本文提出一个基于傅里叶神经算子的数据驱动模型，以捕获增材制造过程中的局部温度演变，该模型使用 $R^2$ 度量模型性能，并在直接能量沉积过程的数值模拟中进行了测试，结果表明该模型具有高精度，并具有普适性。
PDFa year ago
平滑粗糙的边缘：评估自动生成的多晶格转换
本文研究使用变分自编码器自动创建渐进过渡式晶格单元，以平滑过渡不同拓扑结构的晶格单元，使多晶格结构的组件具有更好的性能。
PDFa year ago
应用可解释人工智能（XAI）方法分析增材制造样品输入变量与拉伸强度之间的相关性
该研究使用可解释性人工智能技术，分析添加制造过程中充填比例、层高度、挤出温度和打印速度等不同输入参数对材料拉伸强度的影响，并发现充填比例和挤出温度对拉伸强度的影响最大，层高度和打印速度的影响相对较小。此外，研究还发现输入参数与拉伸强度之间的
PDFa year ago
基于迁移学习的增材制造模型比较：以一个案例为例
本研究采用开源数据集，结合五种迁移学习方法、决策树回归和人工神经网络构建出六个基于迁移学习的模型，并将其与基线模型进行比较；结果表明，在具有一定相关性的源 CNC 加工数据域中，适当的目标 - 源训练数据大小比例和数据预处理能够提高建模性能
PDFa year ago