論文の概要: Thermal Control of Laser Powder Bed Fusion Using Deep Reinforcement Learning

• arxiv url: http://arxiv.org/abs/2102.03355v1
• Date: Fri, 29 Jan 2021 06:39:58 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-05 00:19:32.054282
• Title: Thermal Control of Laser Powder Bed Fusion Using Deep Reinforcement Learning
• Title（参考訳）: 深部強化学習によるレーザー粉末層核融合の熱制御
• Authors: Francis Ogoke, Amir Barati Farimani
• Abstract要約: 粉末ベースの添加物製造技術は、従来の方法では製造が難しい複雑な構造を構築するためのツールを提供する。 レーザーパウダーベッドフュージョンでは、パウダーベッドの特定の領域を選択的に溶かして部品を製造する。 欠陥の高い発生は精密適用のためのこの方法の採用に影響を与えます。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Powder-based additive manufacturing techniques provide tools to construct intricate structures that are difficult to manufacture using conventional methods. In Laser Powder Bed Fusion, components are built by selectively melting specific areas of the powder bed, to form the two-dimensional cross-section of the specific part. However, the high occurrence of defects impacts the adoption of this method for precision applications. Therefore, a control policy for dynamically altering process parameters to avoid phenomena that lead to defect occurrences is necessary. A Deep Reinforcement Learning (DRL) framework that derives a versatile control strategy for minimizing the likelihood of these defects is presented. The generated control policy alters the velocity of the laser during the melting process to ensure the consistency of the melt pool and reduce overheating in the generated product. The control policy is trained and validated on efficient simulations of the continuum temperature distribution of the powder bed layer under various laser trajectories.
• Abstract（参考訳）: 粉末ベースの添加物製造技術は、従来の方法では製造が難しい複雑な構造を構築するためのツールを提供する。 レーザー粉体層融合では、粉体層の特定の領域を選択的に溶融して、特定の部分の二次元断面を形成する部品が作られる。 しかし, 欠陥の発生頻度が高いことが, この手法の適用に影響を及ぼす。 したがって、欠陥の発生につながる現象を避けるために、プロセスパラメータを動的に変更するための制御ポリシーが必要である。 これらの欠陥の可能性を最小化する汎用制御戦略を導出する深層強化学習(drl)フレームワークを提案する。 生成した制御ポリシーは溶融過程におけるレーザーの速度を変化させ、溶融プールの一貫性を確保し、生成した製品の過熱を低減する。 各種レーザー軌道下での粉体層層の連続温度分布の効率的なシミュレーションに基づいて制御方針を訓練し検証する。

関連論文リスト

• Attribute Controlled Fine-tuning for Large Language Models: A Case Study on Detoxification [76.14641982122696]
  本稿では,属性制御付き大規模言語モデル(LLM)の制約学習スキーマを提案する。 提案手法は, ベンチマーク上での競合性能と毒性検出タスクを達成しながら, 不適切な応答を少ないLCMに導出することを示す。
  論文  参考訳（メタデータ） (2024-10-07T23:38:58Z)
• Deep Neural Operator Enabled Digital Twin Modeling for Additive Manufacturing [9.639126204112937]
  デジタルツイン(DT)は、現実世界の物理的プロセスの仮想ツインとして振る舞う。 L-PBFプロセスの閉ループフィードバック制御のためのディープ・ニューラル演算子を用いたDTの計算フレームワークを提案する。 開発したDTは、AMプロセスのガイドと高品質製造の促進を目的としている。
  論文  参考訳（メタデータ） (2024-05-13T03:53:46Z)
• Deep Reinforcement Learning Based Toolpath Generation for Thermal Uniformity in Laser Powder Bed Fusion Process [4.82396387248811]
  印刷中の内部残留応力の蓄積は、大きな歪みと潜在的な故障を引き起こす。 深部強化学習(DRL)に基づくツールパス生成フレームワークは,一様分散熱を実現するために開発された。 走査パターンが異なる薄板試料の4群をLPBF法を用いて比較した。
  論文  参考訳（メタデータ） (2024-02-17T04:12:09Z)
• TCI-Former: Thermal Conduction-Inspired Transformer for Infrared Small Target Detection [58.00308680221481]
  赤外線小目標検出(ISTD)は国家安全保障に重要であり、軍事分野で広く応用されている。 ほとんどの ISTD ネットワークは特徴抽出ブロックや特徴融合モジュールの設計に重点を置いているが、特徴写像の進化の観点から ISTD プロセスを記述することは稀である。 熱伝導理論に基づく熱伝導型変圧器(TCI-Former)を提案する。
  論文  参考訳（メタデータ） (2024-02-03T05:51:22Z)
• MFRL-BI: Design of a Model-free Reinforcement Learning Process Control Scheme by Using Bayesian Inference [5.375049126954924]
  プロセス制御方式の設計は、製造システムのばらつきを低減するために品質保証に不可欠である。 本稿では,モデルフリー強化学習(MFRL)手法を提案する。
  論文  参考訳（メタデータ） (2023-09-17T08:18:55Z)
• TempoRL: laser pulse temporal shape optimization with Deep Reinforcement Learning [0.577478614918139]
  高出力レーザー(HPL)の最適性能は、光-物質相互作用に関連する様々な実験タスクの成功に不可欠である。 伝統的に、HPLパラメータはブラックボックスの数値法に依存する自動化方式で最適化される。 モデルフリーのDeep Reinforcement Learning (DRL)は、HPLパフォーマンスを最適化するための有望な代替フレームワークを提供する。
  論文  参考訳（メタデータ） (2023-04-20T22:15:27Z)
• Computational Discovery of Energy-Efficient Heat Treatment for Microstructure Design using Deep Reinforcement Learning [0.0]
  Deep Reinforcement Learning (DRL) は、自律的に最適化され、カスタマイズされた熱処理プロセスを開発するために使用される。 DRLはデータのみからの静的ニューラルネットワークトレーニングに頼るのではなく、学習エージェントが自律的に最適なソリューションを開発する。
  論文  参考訳（メタデータ） (2022-09-22T18:07:16Z)
• Enforcing Policy Feasibility Constraints through Differentiable Projection for Energy Optimization [57.88118988775461]
  本稿では,ニューラルポリシー内での凸操作制約を強制するために,PROF(Projected Feasibility)を提案する。 エネルギー効率の高い建築操作とインバータ制御の2つの応用についてPROFを実証する。
  論文  参考訳（メタデータ） (2021-05-19T01:58:10Z)
• Covert Model Poisoning Against Federated Learning: Algorithm Design and Optimization [76.51980153902774]
  フェデレーテッド・ラーニング(FL)はパラメータ伝達中にFLモデルに対する外部攻撃に対して脆弱である。 本稿では,最先端の防御アグリゲーション機構に対処する有効なMPアルゴリズムを提案する。 実験の結果,提案したCMPアルゴリズムは,既存の攻撃機構よりも効果的で,かなり優れていることが示された。
  論文  参考訳（メタデータ） (2021-01-28T03:28:18Z)
• Predictive modeling approaches in laser-based material processing [59.04160452043105]
  本研究の目的は,レーザー加工が材料構造に及ぼす影響を自動予測することである。 その焦点は、統計的および機械学習の代表的なアルゴリズムのパフォーマンスに焦点を当てている。 結果は、材料設計、テスト、生産コストを削減するための体系的な方法論の基礎を設定することができる。
  論文  参考訳（メタデータ） (2020-06-13T17:28:52Z)
• Controlling Rayleigh-B\'enard convection via Reinforcement Learning [62.997667081978825]
  固定外熱勾配下での対流熱交換を抑制または促進するための効果的な制御戦略の同定は、重要な基本的かつ技術的問題である。 本研究では,最先端の強化学習(RL)アルゴリズムに基づく新しい手法を提案する。 我々のRL制御は導電系を安定させ、対流の開始をレイリー数にすることができることを示す。
  論文  参考訳（メタデータ） (2020-03-31T16:39:25Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。