論文の概要: Long Short-Term Memory Neural Network for Temperature Prediction in
Laser Powder Bed Additive Manufacturing
- arxiv url: http://arxiv.org/abs/2301.12904v1
- Date: Mon, 30 Jan 2023 14:06:14 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-31 14:33:12.504113
- Title: Long Short-Term Memory Neural Network for Temperature Prediction in
Laser Powder Bed Additive Manufacturing
- Title(参考訳): レーザー粉体添加物製造における長期記憶ニューラルネットワークによる温度予測
- Authors: Ashkan Mansouri Yarahmadi, Michael Breu{\ss}, Carsten Hartmann
- Abstract要約: 本稿では,ニューラルネットワークを用いて印刷過程の温度勾配分布を予測する新しい手法を提案する。
この目的は、印刷工程中にプレート全体に生じる極端で不均一な温度分布を避けることである。
- 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: In context of laser powder bed fusion (L-PBF), it is known that the
properties of the final fabricated product highly depend on the temperature
distribution and its gradient over the manufacturing plate. In this paper, we
propose a novel means to predict the temperature gradient distributions during
the printing process by making use of neural networks. This is realized by
employing heat maps produced by an optimized printing protocol simulation and
used for training a specifically tailored recurrent neural network in terms of
a long short-term memory architecture. The aim of this is to avoid extreme and
inhomogeneous temperature distribution that may occur across the plate in the
course of the printing process.
In order to train the neural network, we adopt a well-engineered simulation
and unsupervised learning framework. To maintain a minimized average thermal
gradient across the plate, a cost function is introduced as the core criteria,
which is inspired and optimized by considering the well-known traveling
salesman problem (TSP). As time evolves the unsupervised printing process
governed by TSP produces a history of temperature heat maps that maintain
minimized average thermal gradient.
All in one, we propose an intelligent printing tool that provides control
over the substantial printing process components for L-PBF, i.e.\ optimal
nozzle trajectory deployment as well as online temperature prediction for
controlling printing quality.
- Abstract(参考訳): レーザー粉末層融合 (l-pbf) の文脈において, 最終製造品の特性は製造板上の温度分布と勾配に大きく依存していることが知られている。
本稿では,ニューラルネットワークを用いて,印刷工程中の温度勾配分布を予測する新しい手法を提案する。
これは、最適化された印刷プロトコルシミュレーションによって生成された熱マップを用いて実現され、長期記憶アーキテクチャの観点から特定の調整されたリカレントニューラルネットワークのトレーニングに使用される。
この目的は、印刷工程中にプレート全体に生じる極端で不均一な温度分布を避けることである。
ニューラルネットワークのトレーニングには、十分に設計されたシミュレーションと教師なし学習フレームワークを採用する。
プレート全体の平均熱勾配を最小に抑えるため、コスト関数をコア基準として導入し、よく知られた旅行セールスマン問題(TSP)を考慮し、インスピレーションと最適化を行う。
時間が進化するにつれて、TSPが管理する教師なし印刷プロセスは、平均的な熱勾配を最小限に抑える温度熱マップの履歴を生成する。
そこで本研究では,L-PBFの印刷プロセスコンポーネント,すなわち最適ノズル軌道配置の制御,および印刷品質の制御のためのオンライン温度予測を行うインテリジェント印刷ツールを提案する。
関連論文リスト
- Towards a Digital Twin Framework in Additive Manufacturing: Machine
Learning and Bayesian Optimization for Time Series Process Optimization [10.469801991143546]
レーザー指向エネルギー堆積(DED)は、複雑なジオメトリーと材料グレーディングを作るための添加性製造(AM)の利点を提供する。
鍵となる問題は、DED中の熱蓄積であり、それは材料のミクロ構造と性質に影響を与える。
本稿では、DEDプロセスパラメータをリアルタイムに予測制御し、特定の設計目的を満たすためのデジタルツイン(DT)フレームワークを提案する。
論文 参考訳(メタデータ) (2024-02-27T17:53:13Z) - DeepForge: Leveraging AI for Microstructural Control in Metal Forming
via Model Predictive Control [0.0]
本研究では, 閉鎖型熱間鍛造における組織制御手法を提案する。
Model PredictiveCMPとDeepForgeというマシンを組み合わせる。
論文 参考訳(メタデータ) (2024-02-25T15:37:14Z) - 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) - Temperature Balancing, Layer-wise Weight Analysis, and Neural Network
Training [58.20089993899729]
本稿では,直感的で効果的な階層学習手法であるTempBalanceを提案する。
我々は、TempBalanceが通常のSGDと注意深く調整されたスペクトルノルム正規化より著しく優れていることを示す。
また、TempBalanceは最先端のメトリクスやスケジューラよりも優れています。
論文 参考訳(メタデータ) (2023-12-01T05:38:17Z) - Online Two-stage Thermal History Prediction Method for Metal Additive
Manufacturing of Thin Walls [3.8529213379135148]
本稿では,性能制御のための金属AMプロセスに統合可能なオンライン二段階熱履歴予測手法を提案する。
15本のワイヤアークAM実験と9つのシミュレーションは、各層の固定長と一方向印刷の薄い壁のために設計されている。
提案手法により, 低コストデスクトップコンピュータ上では0.1秒以内で, プリント・トゥ・プリント層の熱履歴を構築することができる。
論文 参考訳(メタデータ) (2023-10-24T18:58:36Z) - Long Horizon Temperature Scaling [90.03310732189543]
LHTS(Long Horizon Temperature Scaling)は、温度スケールの関節分布をサンプリングするための新しい手法である。
温度依存性のLHTS目標を導出し, 温度範囲のモデルを微調整することで, 制御可能な長地平線温度パラメータで生成可能な単一モデルが得られることを示す。
論文 参考訳(メタデータ) (2023-02-07T18:59:32Z) - 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) - 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) - Machine learning based surrogate models for microchannel heat sink
optimization [0.0]
本稿では,二次チャネルとリブを用いたマイクロチャネルの設計を計算流体力学を用いて検討する。
ラテンハイパーキューブサンプリング、機械学習に基づく代理モデリング、多目的最適化を組み合わせたワークフローを提案する。
論文 参考訳(メタデータ) (2022-08-20T13:49:11Z) - Principal Component Density Estimation for Scenario Generation Using
Normalizing Flows [62.997667081978825]
低次元空間における正規化フローを設定する線形主成分分析(PCA)に基づく次元還元フロー層を提案する。
当社は、2013年から2015年までのドイツにおけるPVおよび風力発電のデータと負荷需要に関する主成分フロー(PCF)を訓練しています。
論文 参考訳(メタデータ) (2021-04-21T08:42:54Z) - Parameterized Temperature Scaling for Boosting the Expressive Power in
Post-Hoc Uncertainty Calibration [57.568461777747515]
我々は新しいキャリブレーション手法であるパラメタライズド温度スケーリング(PTS)を導入する。
最新のポストホックキャリブレータの精度保持性能は、その本質的な表現力によって制限されることを実証します。
当社の新しい精度保存手法が,多数のモデルアーキテクチャやデータセット,メトリクスにおいて,既存のアルゴリズムを一貫して上回っていることを示す。
論文 参考訳(メタデータ) (2021-02-24T10:18:30Z)
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。