論文の概要: Impact of Surface and Pore Characteristics on Fatigue Life of Laser
Powder Bed Fusion Ti-6Al-4V Alloy Described by Neural Network Models
- arxiv url: http://arxiv.org/abs/2109.09655v1
- Date: Sat, 28 Aug 2021 02:51:04 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-26 22:30:45.096886
- Title: Impact of Surface and Pore Characteristics on Fatigue Life of Laser
Powder Bed Fusion Ti-6Al-4V Alloy Described by Neural Network Models
- Title（参考訳）: ニューラルネットワークモデルによるレーザー粉末充填Ti-6Al-4V合金の疲労寿命に及ぼす表面および細孔特性の影響
- Authors: Seunghyun Moon, Ruimin Ma, Ross Attardo, Charles Tomonto, Mark Nordin,
Paul Wheelock, Michael Glavicic, Maxwell Layman, Richard Billo, Tengfei Luo
- Abstract要約: レーザ粉末層融合部の疲労寿命に及ぼす表面粗さと細孔特性の影響について検討した。
表面粗さと細孔の統計について, 疲労挙動を解析した。
ドロップアウトニューラルネットワーク(DONN)を用いた機械学習モデルを用いて、表面特徴と細孔特徴のリンクを確立する。
- 参考スコア（独自算出の注目度）: 0.18961324344454256
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this study, the effects of surface roughness and pore characteristics on
fatigue lives of laser powder bed fusion (LPBF) Ti-6Al-4V parts were
investigated. The 197 fatigue bars were printed using the same laser power but
with varied scanning speeds. These actions led to variations in the geometries
of microscale pores, and such variations were characterized using
micro-computed tomography. To generate differences in surface roughness in
fatigue bars, half of the samples were grit-blasted and the other half
machined. Fatigue behaviors were analyzed with respect to surface roughness and
statistics of the pores. For the grit-blasted samples, the contour laser scan
in the LPBF strategy led to a pore-depletion zone isolating surface and
internal pores with different features. For the machined samples, where surface
pores resemble internal pores, the fatigue life was highly correlated with the
average pore size and projected pore area in the plane perpendicular to the
stress direction. Finally, a machine learning model using a drop-out neural
network (DONN) was employed to establish a link between surface and pore
features to the fatigue data (logN), and good prediction accuracy was
demonstrated. Besides predicting fatigue lives, the DONN can also estimate the
prediction uncertainty.
- Abstract（参考訳）: 本研究では,レーザー粉末層融合(LPBF)Ti-6Al-4Vの疲労寿命に及ぼす表面粗さおよび細孔特性の影響について検討した。
197本の疲労バーは同じレーザーパワーで印刷されたが、走査速度は異なる。
これらの作用は微小孔のジオメトリーに変化をもたらし、マイクロ計算トモグラフィーを用いてその変動を特徴づけた。
疲労バーの表面粗さの違いを生じさせるため, 試料の半分をグリットブラスト, 残り半分を加工した。
表面粗さと気孔の統計について, 疲労挙動を解析した。
グリットブラスト試料では,LPBF法における凹面レーザースキャンにより細孔脱離帯と内部孔とに異なる特徴が認められた。
内部の細孔が内部の細孔に類似した加工試料に対して, 疲労寿命は応力方向に対して垂直な面内の平均細孔径および突出孔面積と高い相関を示した。
最後に, ドロップアウトニューラルネットワーク(donn)を用いた機械学習モデルを用いて, 疲労データ(logn)に対する表面特徴と細孔特徴のリンクを確立し, 良好な予測精度を示した。
疲労寿命の予測に加えて、DONNは予測の不確実性を推定することもできる。
関連論文リスト
- ND-SDF: Learning Normal Deflection Fields for High-Fidelity Indoor Reconstruction [50.07671826433922]
微妙な幾何を同時に復元し、異なる特徴を持つ領域をまたいだ滑らかさを保つことは自明ではない。
そこで我々は,ND-SDFを提案する。ND-SDFは,通常のシーンとそれ以前のシーンの角偏差を表す正規偏向場を学習する。
本手法は, 壁面や床面などのスムーズなテクスチャ構造を得るだけでなく, 複雑な構造の幾何学的詳細も保存する。
論文 参考訳（メタデータ） (2024-08-22T17:59:01Z) - Experimental investigation of trans-scale displacement responses of wrinkle defects in fiber reinforced composite laminates [4.525794180164495]
ニワトリの波長の大きさは、数ミリから100ミリ以上まで様々である。
シアログラフィーとFPPの測定感度と精度を比較した。
論文 参考訳（メタデータ） (2024-05-21T11:10:00Z) - In-situ characterization of optical micro/nano fibers using scattering
loss analysis [6.948439210905343]
光学マイクロナノファイバー(MNF)のその場特性を実験的に実証した。
MNFはマイクロファイバー(プローブファイバ、PF)上に配置され、様々なPFおよびTF径での散乱損失をシミュレーションする。
論文 参考訳（メタデータ） (2024-02-05T08:06:02Z) - Machine Learning-Enhanced Prediction of Surface Smoothness for Inertial
Confinement Fusion Target Polishing Using Limited Data [8.361359158345332]
Inertial Confinement Fusion (ICF)プロセスでは、レーザービームのターゲットとして、高密度炭素からなる約2mmの球状シェルが使用される。
研磨機に接続された振動センサから収集したデータに基づいて表面粗さを予測できる機械学習モデルを提案する。
このようなモデルでは、殻の表面粗さをリアルタイムで生成することができ、最適結果を得るために研磨に必要な変更を加えることができる。
論文 参考訳（メタデータ） (2023-12-16T22:40:39Z) - Semantic Segmentation of Porosity in 4D Spatio-Temporal X-ray \mu CT of
Titanium Coated Ni wires using Deep Learning [2.6763498831034043]
畳み込みニューラルネットワークを用いて、Ti被覆Ni線の均質化における2つのキルケンドール孔の体積分画の進化を測定した。
一度訓練されると、モデルは2つのタイプの細孔を進化の異なる段階で意味的に分割するために使用される。
ネットワークによって予測された細孔のマスクは、0分間、240分間、および480分間の均質化におけるポロシティの体積率を測定するために使用された。
論文 参考訳（メタデータ） (2023-06-24T19:08:57Z) - Predicting Surface Texture in Steel Manufacturing at Speed [81.90215579427463]
亜鉛めっきおよび熱間圧延過程における鋼板の表面テクスチャの制御は,顧客要求を満たすために不可欠である。
本稿では,インラインレーザ反射計測から表面特性予測への変換精度向上のための機械学習の利用を提案する。
論文 参考訳（メタデータ） (2023-01-20T12:11:03Z) - Surface Warping Incorporating Machine Learning Assisted Domain
Likelihood Estimation: A New Paradigm in Mine Geology Modelling and
Automation [68.8204255655161]
新たに取得した破砕孔データによって課される地球化学的および空間的制約に基づいて, モデル表面を再構成するバイーシアンワープ法が提案されている。
本稿では,このワーピングフレームワークに機械学習を組み込むことにより,可能性の一般化を図る。
その基礎は、p(g|c) が p(y(c)|g と似た役割を果たすような地質領域の確率のベイズ計算によって構成される。
論文 参考訳（メタデータ） (2021-02-15T10:37:52Z) - A Physics-Informed Machine Learning Model for Porosity Analysis in Laser
Powder Bed Fusion Additive Manufacturing [20.449449594489387]
物理インフォームドデータ駆動モデル(PIM)は,印刷部品のポロシティレベルを予測するために開発された。
PIMは、機械設定をレーザーエネルギー密度やレーザー放射圧などの物理的効果に解釈する。
6つの学習方法の評価により, PIMは10$sim$26%の予測誤差で良好な性能を示した。
論文 参考訳（メタデータ） (2021-01-13T01:29:01Z) - Microscopic Relaxation Channels in Materials for Superconducting Qubits [76.84500123816078]
我々は,T_$と粒径の相関,粒界に沿った酸素拡散の促進,表面近傍の亜酸化物濃度について検討した。
物理機構は、これらの微視的特性を残留表面抵抗と、粒界および亜酸化物の欠陥から生じる損失を通じて$T_$と結合する。
量子ビットデコヒーレンスチャートを理解するためのこの包括的なアプローチは、超伝導量子ビット性能の材料駆動改善のための経路である。
論文 参考訳（メタデータ） (2020-04-06T18:01:15Z) - DeepFit: 3D Surface Fitting via Neural Network Weighted Least Squares [43.24287146191367]
本研究では,非構造型3次元点雲の表面フィッティング法を提案する。
DeepFitと呼ばれるこの方法は、ニューラルネットワークを組み込んで、重み付けされた最小二乗表面フィッティングのポイントワイド重みを学習する。
論文 参考訳（メタデータ） (2020-03-23T09:18:54Z) - Non-trivial quantum magnetotransport oscillations in pure and robust
topological $\alpha$-Sn films [58.720142291102135]
InSb基板上に成長した純およびロバストな$alpha$Sn膜におけるトポロジカル・ディラック・フェルミオン電荷キャリアの実験的証拠を報告する。
キャリア密度が低くモビリティが高い表面バンドは、観測されたシュブニコフ・デ・ハース振動の起源として特定されている。
論文 参考訳（メタデータ） (2020-02-27T16:46:11Z)
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。