論文の概要: Comprehensive process-molten pool relations modeling using CNN for
wire-feed laser additive manufacturing
- arxiv url: http://arxiv.org/abs/2103.11588v1
- Date: Mon, 22 Mar 2021 05:27:20 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-23 14:46:34.254668
- Title: Comprehensive process-molten pool relations modeling using CNN for
wire-feed laser additive manufacturing
- Title（参考訳）: ワイヤファイドレーザー添加物製造におけるCNNを用いた包括的プロセスモルテンプール関係モデリング
- Authors: Noopur Jamnikar, Sen Liu, Craig Brice, and Xiaoli Zhang
- Abstract要約: ワイヤーフィードレーザー添加剤製造(WLAM)は、高い自動化レベル、高い蒸着率、および印刷部品の高品質のために幅広い関心を集めています。
材料の品質の不確実性を減少させるプロセス内監視とフィードバックコントロールは、開発の初期段階にある。
本稿では,wlamシステム内の一連の制御過程パラメータの下,溶融プールから収集したin situセンシングデータを解析する。
- 参考スコア（独自算出の注目度）: 14.092644790436635
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Wire-feed laser additive manufacturing (WLAM) is gaining wide interest due to
its high level of automation, high deposition rates, and good quality of
printed parts. In-process monitoring and feedback controls that would reduce
the uncertainty in the quality of the material are in the early stages of
development. Machine learning promises the ability to accelerate the adoption
of new processes and property design in additive manufacturing by making
process-structure-property connections between process setting inputs and
material quality outcomes. The molten pool dimensional information and
temperature are the indicators for achieving the high quality of the build,
which can be directly controlled by processing parameters. For the purpose of
in situ quality control, the process parameters should be controlled in
real-time based on sensed information from the process, in particular the
molten pool. Thus, the molten pool-process relations are of preliminary
importance. This paper analyzes experimentally collected in situ sensing data
from the molten pool under a set of controlled process parameters in a WLAM
system. The variations in the steady-state and transient state of the molten
pool are presented with respect to the change of independent process
parameters. A multi-modality convolutional neural network (CNN) architecture is
proposed for predicting the control parameter directly from the measurable
molten pool sensor data for achieving desired geometric and microstructural
properties. Dropout and regularization are applied to the CNN architecture to
avoid the problem of overfitting. The results highlighted that the multi-modal
CNN, which receives temperature profile as an external feature to the features
extracted from the image data, has improved prediction performance compared to
the image-based uni-modality CNN approach.
- Abstract（参考訳）: wlam(wire-feed laser additive manufacturing)は、高レベルの自動化、高い沈着率、印刷部品の品質により、広く関心を集めている。
材料の品質の不確実性を減少させるプロセス内監視とフィードバックコントロールは、開発の初期段階にある。
機械学習は、プロセス設定入力と材料品質結果との間のプロセス構造と適切な接続をすることで、添加物製造における新しいプロセスとプロパティ設計の採用を加速する能力を提供する。
溶融プール次元情報と温度は、ビルドの高品質化のための指標であり、処理パラメータによって直接制御することができる。
現場品質管理のため, プロセスパラメータは, プロセス, 特に溶融プールから得た情報に基づいて, リアルタイムに制御する必要がある。
したがって, 溶融プール過程の関係は予備的に重要である。
本稿では,wlamシステム内の一連の制御過程パラメータの下,溶融プールから収集したin situセンシングデータを解析する。
溶融プールの定常状態および過渡状態の変化は, 独立したプロセスパラメータの変化について述べる。
計測可能な溶融プールセンサデータから直接制御パラメータを予測し,所望の幾何学的および微構造的特性を達成するために,多モード畳み込みニューラルネットワーク(CNN)アーキテクチャを提案する。
オーバーフィッティングの問題を避けるため、CNNアーキテクチャにドロップアウトと正規化が適用される。
その結果,画像データから抽出した特徴に対する外部特徴として温度プロファイルを受信するマルチモーダルCNNは,画像に基づく一様CNNアプローチと比較して予測性能が向上したことがわかった。
関連論文リスト
- Investigation on domain adaptation of additive manufacturing monitoring systems to enhance digital twin reusability [12.425166883814153]
機械学習(ML)ベースのモデリングを使用したデジタルツイン(DT)は、AMプロセスの監視と制御のためにデプロイできる。
メルトプールは、プロセス監視において最もよく見られる物理現象の1つである。
本稿では,AM DTの再利用性を高めるため,異なるAM設定間の知識伝達パイプラインを提案する。
論文 参考訳（メタデータ） (2024-09-19T13:54:01Z) - DA-Flow: Dual Attention Normalizing Flow for Skeleton-based Video Anomaly Detection [52.74152717667157]
本稿では,DAM(Dual Attention Module)と呼ばれる軽量モジュールを提案する。
フレームアテンション機構を使用して、最も重要なフレームを識別し、スケルトンアテンション機構を使用して、最小パラメータとフロップで固定されたパーティション間の広範な関係をキャプチャする。
論文 参考訳（メタデータ） (2024-06-05T06:18:03Z) - Sparse Attention-driven Quality Prediction for Production Process Optimization in Digital Twins [53.70191138561039]
データ駆動方式で運用ロジックを符号化することで,生産ラインのディジタルツインをデプロイすることを提案する。
我々は,自己注意型時間畳み込みニューラルネットワークに基づく生産プロセスの品質予測モデルを採用する。
本手法は,本手法により,仮想及び実生産ライン間のシームレスな統合を促進できることを示す。
論文 参考訳（メタデータ） (2024-05-20T09:28:23Z) - 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) - Closing the loop: Autonomous experiments enabled by
machine-learning-based online data analysis in synchrotron beamline
environments [80.49514665620008]
機械学習は、大規模または高速に生成されたデータセットを含む研究を強化するために使用できる。
本研究では,X線反射法(XRR)のための閉ループワークフローへのMLの導入について述べる。
本研究では,ビームライン制御ソフトウェア環境に付加的なソフトウェア依存関係を導入することなく,実験中の基本データ解析をリアルタイムで行うソリューションを提案する。
論文 参考訳（メタデータ） (2023-06-20T21:21:19Z) - Learning to Learn with Generative Models of Neural Network Checkpoints [71.06722933442956]
ニューラルネットワークのチェックポイントのデータセットを構築し,パラメータの生成モデルをトレーニングする。
提案手法は,幅広い損失プロンプトに対するパラメータの生成に成功している。
我々は、教師付きおよび強化学習における異なるニューラルネットワークアーキテクチャとタスクに本手法を適用した。
論文 参考訳（メタデータ） (2022-09-26T17:59:58Z) - Autonomous Deep Quality Monitoring in Streaming Environments [18.354025162625557]
本稿では,最近開発されたデータストリームのためのディープラーニングアルゴリズムであるNADINE++を用いて,オンライン品質モニタリング手法を提案する。
これは1次元と2次元の畳み込み層を統合し、我々のプロジェクトからセンサーや射出成形機のカメラから捉えた時系列と視覚データの流れの自然な特徴を抽出する。
実時間実験では, オンライン品質モニタリングタスクを, 実時間テスト-then-train方式でリアルタイムでシミュレートした。
論文 参考訳（メタデータ） (2021-06-26T06:47:41Z) - Machine learning based in situ quality estimation by molten pool
condition-quality relations modeling using experimental data [14.092644790436635]
計測可能な溶融プール画像と温度データから相関関係を確立するための機械学習畳み込みニューラルネットワーク(CNN)モデルを開発した。
マルチモダリティネットワークは、カメラ画像と温度測定の両方を入力として受信し、対応するキャラクタリゼーション特性が得られる。
開発したモデルでは, 量的, 協調的品質推定・保証フレームワークを構築するために, 溶融プール条件品質関係マッピングが可能となる。
論文 参考訳（メタデータ） (2021-03-21T15:57:05Z) - 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) - Toward Enabling a Reliable Quality Monitoring System for Additive
Manufacturing Process using Deep Convolutional Neural Networks [0.0]
本稿では, 深層畳み込みニューラルネットワーク(CNN)モデルを用いて, 添加物製造(AM)プロセスの自動品質評価システムを提案する。
CNNモデルは, 層間積層における内部および表面欠陥の画像を用いてオフラインで訓練し, 異なる押出成形速度と温度でAMプロセスの故障を検出し, 分類する性能について検討した。
提案するオンラインモデルでは,AMプロセスに自動で一貫した非接触品質制御信号が付加され,完全構築後の部品の手動検査が不要になる。
論文 参考訳（メタデータ） (2020-03-06T20:49:20Z) - Toward fast and accurate human pose estimation via soft-gated skip
connections [97.06882200076096]
本稿では,高精度かつ高効率な人間のポーズ推定について述べる。
我々は、最先端技術よりも精度と効率を両立させる文脈において、この設計選択を再分析する。
本モデルでは,MPII と LSP のデータセットから最先端の結果が得られる。
論文 参考訳（メタデータ） (2020-02-25T18:51:51Z)
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。