論文の概要: Machine learning models for determination of weldbead shape parameters
for gas metal arc welded T-joints -- A comparative study
- arxiv url: http://arxiv.org/abs/2206.02794v1
- Date: Mon, 6 Jun 2022 06:11:22 GMT
- ステータス: 処理完了
- システム内更新日: 2022-06-09 10:39:58.367865
- Title: Machine learning models for determination of weldbead shape parameters
for gas metal arc welded T-joints -- A comparative study
- Title（参考訳）: ガス金属アーク溶接t接合部の溶接ビード形状パラメータ決定のための機械学習モデル -比較-
- Authors: R. Pradhan, A.P Joshi, M.R Sunny, and A. Sarkar
- Abstract要約: 溶接ビーズの形状は、接合部の質を評価する上で重要である。
本研究では,シールド鋼板の溶接ビーズ形状パラメータを予測するため,統計的設計と人工ニューラルネットワークに焦点を当てた。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The shape of a weld bead is critical in assessing the quality of the welded
joint. In particular, this has a major impact in the accuracy of the results
obtained from a numerical analysis. This study focuses on the statistical
design techniques and the artificial neural networks, to predict the weld bead
shape parameters of shielded Gas Metal Arc Welded (GMAW) fillet joints.
Extensive testing was carried out on low carbon mild steel plates of
thicknesses ranging from 3mm to 10mm. Welding voltage, welding current, and
moving heat source speed were considered as the welding parameters. Three types
of multiple linear regression models (MLR) were created to establish an
empirical equation for defining GMAW bead shape parameters considering
interactive and higher order terms. Additionally, artificial neural network
(ANN) models were created based on similar scheme, and the relevance of
specific features was investigated using SHapley Additive exPlanations (SHAP).
The results reveal that MLR-based approach performs better than the ANN based
models in terms of predictability and error assessment. This study shows the
usefulness of the predictive tools to aid numerical analysis of welding.
- Abstract（参考訳）: 溶接ビーズの形状は溶接継手の質を評価する上で重要である。
特に、これは数値解析から得られた結果の精度に大きな影響を与えている。
本研究は,遮蔽ガス金属アーク溶接継手の溶接ビード形状パラメータを予測するための統計的設計手法と人工ニューラルネットワークに焦点を当てた。
厚みが3mmから10mmの低炭素軟鋼板に対して広範囲な試験を行った。
溶接電圧,溶接電流,移動熱源速度を溶接パラメータとして検討した。
対話的・高次項を考慮したGMAWビーズ形状パラメータを定義するための経験方程式を確立するために、3種類の多重回帰モデル(MLR)を開発した。
さらに、同様のスキームに基づいて人工ニューラルネットワーク(ANN)モデルを作成し、SHAP(SHapley Additive exPlanations)を用いて特定の特徴の関連性を検討した。
その結果, MLRに基づくアプローチは予測可能性や誤差評価の観点から, ANNベースのモデルよりも優れていることがわかった。
本研究は溶接の数値解析を支援するための予測ツールの有用性を示す。
関連論文リスト
- A new method for optical steel rope non-destructive damage detection [3.195044561824979]
本稿では,高高度(空中ロープウェイ)における鋼ロープの非破壊損傷検出のための新しいアルゴリズムを提案する。
RGBD-UNetという名前のセグメンテーションモデルは、複雑な背景から鋼のロープを正確に抽出するように設計されている。
VovNetV3.5と呼ばれる検出モデルは、通常の鋼ロープと異常鋼ロープを区別するために開発された。
論文 参考訳（メタデータ） (2024-02-06T09:39:05Z) - Investigating the ability of deep learning to predict Welding Depth and Pore Volume in Hairpin Welding [0.0]
本研究では,2つの臨界溶接部のキー性能特性(KPC)の予測を可能にする深層学習モデルを提案する。
DLネットワークを小さな数値実験ヘアピン溶接データセットに適用すると,有望な結果が得られた。
論文 参考訳（メタデータ） (2023-12-04T03:38:17Z) - Test-Time Adaptation Induces Stronger Accuracy and Agreement-on-the-Line [65.14099135546594]
最近のテスト時間適応 (TTA) 法は, モデルに非常に弱い相関関係を示すシフトであっても, ACL と AGL の傾向を大幅に強化する。
この結果から,TTAとAGLに基づく推定手法を組み合わせることで,より広い分布シフトの集合に対する高精度なモデルOOD性能を推定できることが示唆された。
論文 参考訳（メタデータ） (2023-10-07T23:21:25Z) - A machine learning approach to predict the structural and magnetic
properties of Heusler alloy families [0.0]
ランダムフォレスト (RF) 回帰モデルを用いてフルハウスラー合金の格子定数, 磁気モーメント, 生成エネルギーを予測する。
密度汎関数理論(DFT)を用いた計算値に対する機械学習予測値間のパリティプロットは、調整されたR2値が0.80から0.94の範囲にある線形挙動を示す。
また,1つのフルハウスラー合金と1つの4次ハウスラー合金を用いたケーススタディを,機械学習予測結果と過去の理論計算値と比較した。
論文 参考訳（メタデータ） (2022-08-07T20:46:57Z) - Mixed Effects Neural ODE: A Variational Approximation for Analyzing the
Dynamics of Panel Data [50.23363975709122]
パネルデータ解析に(固定・ランダムな)混合効果を取り入れたME-NODEという確率モデルを提案する。
我々は、Wong-Zakai定理によって提供されるSDEの滑らかな近似を用いて、我々のモデルを導出できることを示す。
次に、ME-NODEのためのエビデンスに基づく下界を導出し、(効率的な)トレーニングアルゴリズムを開発する。
論文 参考訳（メタデータ） (2022-02-18T22:41:51Z) - A Model for Multi-View Residual Covariances based on Perspective
Deformation [88.21738020902411]
マルチビューSfM, オードメトリ, SLAMセットアップにおける視覚的残差の共分散モデルの導出を行う。
我々は、合成データと実データを用いてモデルを検証し、それを光度および特徴量に基づくバンドル調整に統合する。
論文 参考訳（メタデータ） (2022-02-01T21:21:56Z) - Prediction of liquid fuel properties using machine learning models with
Gaussian processes and probabilistic conditional generative learning [56.67751936864119]
本研究の目的は、代替燃料の物理的特性を予測するためのクロージャ方程式として機能する、安価で計算可能な機械学習モデルを構築することである。
これらのモデルは、MDシミュレーションのデータベースや、データ融合-忠実性アプローチによる実験的な測定を用いて訓練することができる。
その結果,MLモデルでは,広範囲の圧力および温度条件の燃料特性を正確に予測できることがわかった。
論文 参考訳（メタデータ） (2021-10-18T14:43:50Z) - Surrogate-based variational data assimilation for tidal modelling [0.0]
データ同化(DA)は、物理知識と観測を結合するために広く用いられている。
気候変動の文脈では、古いキャリブレーションは必ずしも新しいシナリオに使用できない。
これにより、DA計算コストの問題が提起される。
複素モデルを代用する2つの方法が提案されている。
論文 参考訳（メタデータ） (2021-06-08T07:39:38Z) - Classification of Spot-welded Joints in Laser Thermography Data using
Convolutional Neural Networks [52.661521064098416]
レーザサーモグラフィーデータから得られた画像を用いてスポット溶接の品質検査を行う手法を提案する。
我々は畳み込みニューラルネットワークを用いて溶接品質を分類し、異なるモデルの性能を互いに比較する。
論文 参考訳（メタデータ） (2020-10-24T20:38:12Z) - Learning to predict metal deformations in hot-rolling processes [59.00006390882099]
ホットローリング(Hot-rolling)は、入力から一連の変形を通じて断面を生成する金属成形プロセスである。
現状では、ロールの回転列と形状は、与えられた断面を達成するために必要である。
そこで本研究では,一組のロールが与えられた形状を予測するための教師付き学習手法を提案する。
論文 参考訳（メタデータ） (2020-07-22T13:33:44Z)
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。