亲爱的研友该休息了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

Prediction of build geometry for DED using supervised learning methods on simulated process monitoring data

人工神经网络 过程(计算) 决策树 非线性系统 支持向量机 计算机科学 人工智能 机器学习 线性回归 机械工程 工程类 量子力学 操作系统 物理
作者
Charles Snyers,Julien Ertveldt,Jorge Sanchez-Medina,Zoé Jardon,Jan Helsen
出处
期刊:Journal of Laser Applications [Laser Institute of America]
卷期号:33 (4) 被引量:2
标识
DOI:10.2351/7.0000526
摘要

One of today’s ongoing challenges in directed energy deposition (DED) is controlling the geometry and material properties of parts. This manufacturing process is complex and nonlinear due to multiple physical phenomena at play and is therefore hard to model analytically. Machine learning (ML) on the contrary is particularly well suited to predict the behavior of a complex process with multiple inputs and outputs such as DED. A significant amount of data is required to train machine learning models, but experimental data are costly time-wise and should therefore be produced in an intelligent way. As a stepping stone for the future production of experimental training data, a finite element model of the process was developed in this study as an unlimited source of training data for the ML models. This model takes into account the printing parameters (laser speed, laser power, and powder flow rate) and outputs’ simulated process monitoring data thanks to a postprocessing method that is outlined in this article. A dataset was produced by simulating 102 tracks in 316L stainless steel with the model. From the analysis of this dataset, it was shown that K-nearest neighbors, support vector regression, decision tree regression, linear regression, and artificial neural network models are all capable of modelling the relationship between the printing parameters and the melt pool characteristics effectively.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
1秒前
7秒前
blind发布了新的文献求助10
20秒前
han完成签到,获得积分10
24秒前
27秒前
kleinlme发布了新的文献求助10
31秒前
照海发布了新的文献求助30
36秒前
yufanhui应助han采纳,获得10
51秒前
梦在远方完成签到 ,获得积分10
53秒前
55秒前
56秒前
Zoe发布了新的文献求助10
59秒前
1分钟前
yayyaya完成签到 ,获得积分10
1分钟前
kleinlme完成签到,获得积分10
1分钟前
科研王者发布了新的文献求助30
1分钟前
小白完成签到,获得积分10
1分钟前
小白发布了新的文献求助10
1分钟前
1分钟前
SciGPT应助科研通管家采纳,获得10
1分钟前
yx应助科研通管家采纳,获得10
1分钟前
1分钟前
2分钟前
2分钟前
2分钟前
Chenzr完成签到,获得积分10
2分钟前
科研小白白白完成签到,获得积分10
2分钟前
3分钟前
情怀应助欢喜怀绿采纳,获得30
3分钟前
3分钟前
3分钟前
朱珠贝完成签到,获得积分10
3分钟前
xxxc发布了新的文献求助10
3分钟前
图南发布了新的文献求助10
3分钟前
3分钟前
Lorin完成签到 ,获得积分10
3分钟前
莘莘发布了新的文献求助10
3分钟前
图南完成签到,获得积分10
3分钟前
3分钟前
llm发布了新的文献求助10
3分钟前
高分求助中
歯科矯正学 第7版(或第5版) 1004
Semiconductor Process Reliability in Practice 1000
Smart but Scattered: The Revolutionary Executive Skills Approach to Helping Kids Reach Their Potential (第二版) 1000
Nickel superalloy market size, share, growth, trends, and forecast 2023-2030 600
GROUP-THEORY AND POLARIZATION ALGEBRA 500
Mesopotamian divination texts : conversing with the gods : sources from the first millennium BCE 500
Days of Transition. The Parsi Death Rituals(2011) 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3234546
求助须知:如何正确求助?哪些是违规求助? 2880894
关于积分的说明 8217297
捐赠科研通 2548495
什么是DOI,文献DOI怎么找? 1377792
科研通“疑难数据库(出版商)”最低求助积分说明 647999
邀请新用户注册赠送积分活动 623347