論文の概要: Integrated Digital Reconstruction of Welded Components: Supporting
Improved Fatigue Life Prediction
- arxiv url: http://arxiv.org/abs/2307.15604v1
- Date: Fri, 28 Jul 2023 15:04:22 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-31 12:12:52.602532
- Title: Integrated Digital Reconstruction of Welded Components: Supporting
Improved Fatigue Life Prediction
- Title（参考訳）: 溶接部品のデジタル再構築 : 疲労寿命予測の改善支援
- Authors: Anders Faarb{\ae}k Mikkelstrup and Morten Kristiansen
- Abstract要約: 溶接継手の疲労性能を高めるため, 溶接後処理法が提案されている。
高周波機械的衝撃 (HFMI) 治療は疲労性能を著しく改善することが示されている。
提案フレームワークは,HFMI自動処理装置の一部として,産業用マニピュレータとラインスキャナを組み合わせてディジタル再構築を統合する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In the design of offshore jacket foundations, fatigue life is crucial.
Post-weld treatment has been proposed to enhance the fatigue performance of
welded joints, where particularly high-frequency mechanical impact (HFMI)
treatment has been shown to improve fatigue performance significantly.
Automated HFMI treatment has improved quality assurance and can lead to
cost-effective design when combined with accurate fatigue life prediction.
However, the finite element method (FEM), commonly used for predicting fatigue
life in complex or multi-axial joints, relies on a basic CAD depiction of the
weld, failing to consider the actual weld geometry and defects. Including the
actual weld geometry in the FE model improves fatigue life prediction and
possible crack location prediction but requires a digital reconstruction of the
weld. Current digital reconstruction methods are time-consuming or require
specialised scanning equipment and potential component relocation. The proposed
framework instead uses an industrial manipulator combined with a line scanner
to integrate digital reconstruction as part of the automated HFMI treatment
setup. This approach applies standard image processing, simple filtering
techniques, and non-linear optimisation for aligning and merging overlapping
scans. A screened Poisson surface reconstruction finalises the 3D model to
create a meshed surface. The outcome is a generic, cost-effective, flexible,
and rapid method that enables generic digital reconstruction of welded parts,
aiding in component design, overall quality assurance, and documentation of the
HFMI treatment.
- Abstract（参考訳）: オフショアジャケットの基礎設計では、疲労寿命が重要である。
溶接継手の疲労性能を向上させるために,特に高周波機械衝撃(hfmi)処理が提案されている。
HFMIの自動処理は品質保証を改善し、正確な疲労寿命予測と組み合わせることでコスト効率の高い設計につながる。
しかし、有限要素法(FEM)は、複合または多軸接合部の疲労寿命を予測するのに一般的に用いられ、溶接部のCADによる基本的な描写に依存し、実際の溶接形状や欠陥を考慮できなかった。
FEモデルに実際の溶接形状を含めると疲労寿命予測と亀裂位置予測が向上するが、溶接部のデジタル再構成が必要である。
現在のデジタル・リコンストラクションは時間を要するか、特殊な走査装置と潜在的な部品の移転を必要とする。
提案するフレームワークは, 産業用マニピュレータとラインスキャナを組み合わせることで, HFMI自動処理装置の一部としてディジタル再構成を統合する。
このアプローチは、標準画像処理、単純なフィルタリング技術、重なり合うスキャンの整列とマージのための非線形最適化を適用する。
スクリーニングされたポアソン表面の再構成は、メッシュ面を作るために3Dモデルを完成させる。
この結果は、部品設計、全体的な品質保証、HFMI処理の文書化など、溶接部品の汎用的なデジタル再構築を可能にする汎用的、費用対効果、柔軟性、迅速な方法である。
関連論文リスト
- Exploring Out-of-distribution Detection for Sparse-view Computed Tomography with Diffusion Models [1.6704428692159]
本研究は,CT再構成における目標分布を非分布として捉えるために訓練された拡散モデルの使用について検討する。
このモデルを用いて, 部分拡散画像の再構成を行い, 複数の再構成誤差によるOOD評価を行う。
以上の結果から,OOD検出の有効性は,前向きの再建法と比較することで達成できることが示唆された。
論文 参考訳（メタデータ） (2024-11-09T23:17:42Z) - Scalable AI Framework for Defect Detection in Metal Additive Manufacturing [2.303463009749888]
我々は、畳み込みニューラルネットワーク(CNN)を利用してプリント層の熱画像を分析し、これらの特性に影響を与える異常を自動的に識別する。
我々はこれらのモデルをCLoud ADditive Manufacturing (CLADMA)モジュールに統合し、AMアプリケーションのアクセシビリティと実用性を向上させる。
論文 参考訳（メタデータ） (2024-11-01T18:17:59Z) - Iterative Sizing Field Prediction for Adaptive Mesh Generation From Expert Demonstrations [49.173541207550485]
Adaptive Meshing By Expert Reconstruction (AMBER) は模倣学習問題である。
AMBERは、グラフニューラルネットワークとオンラインデータ取得スキームを組み合わせて、専門家メッシュの投影されたサイズフィールドを予測する。
我々は、人間の専門家が提供した2Dメッシュと3Dメッシュ上でAMBERを実験的に検証し、提供されたデモと密に一致し、シングルステップのCNNベースラインを上回った。
論文 参考訳（メタデータ） (2024-06-20T10:01:22Z) - Analysis of Deep Image Prior and Exploiting Self-Guidance for Image
Reconstruction [13.277067849874756]
DIPがアンダーサンプドイメージング計測からどのように情報を回収するかを検討する。
ネットワーク重みと入力の両方を同時に最適化する自己駆動型再構築プロセスを導入する。
提案手法は,ネットワーク入力画像と再構成画像の両方の堅牢かつ安定した関節推定を可能にする,新しいデノイザ正規化項を組み込んだものである。
論文 参考訳（メタデータ） (2024-02-06T15:52:23Z) - Orientation-Shared Convolution Representation for CT Metal Artifact
Learning [63.67718355820655]
X線CT(CT)スキャン中、患者を乗せた金属インプラントは、しばしば有害なアーティファクトに繋がる。
既存のディープラーニングベースの手法は、有望な再構築性能を得た。
本稿では,人工物の物理的事前構造に適応するために,配向型畳み込み表現戦略を提案する。
論文 参考訳（メタデータ） (2022-12-26T13:56:12Z) - PATO: Producibility-Aware Topology Optimization using Deep Learning for
Metal Additive Manufacturing [2.57172274875712]
金属添加物製造(AM)を用いて作製した部品の設計空間を効率的に探索するためのPATO-a Producibility-Aware Topology Optimization (TO) フレームワークを提案する。
我々は、深部畳み込みニューラルネットワークの現在の進歩を活用し、注意に基づくU-Netアーキテクチャに基づく高忠実な代理モデルを示し、最大せん断ひずみ指数(MSSI)を予測する。
提案手法の有効性を3次元のベンチマークと実験による検証により検証した。
論文 参考訳（メタデータ） (2021-12-08T19:52:24Z) - Towards Accurate Alignment in Real-time 3D Hand-Mesh Reconstruction [57.3636347704271]
RGB画像からの3Dハンドメッシュ再構築は拡張現実(AR)を含む多くのアプリケーションに役立つ
本稿では,手指再建作業を3段階に分割し,新しいパイプラインを提案する。
高品質な指レベルのメッシュイメージアライメントを促進し、モデルをまとめて、リアルタイムな予測を実現することができます。
論文 参考訳（メタデータ） (2021-09-03T20:42:01Z) - Implicit Subspace Prior Learning for Dual-Blind Face Restoration [66.67059961379923]
新しい暗黙的サブスペース事前学習(ISPL)フレームワークが、二重盲顔復元の一般的な解決策として提案されている。
実験の結果,既存の最先端手法に対するISPLの認識歪改善が顕著であった。
論文 参考訳（メタデータ） (2020-10-12T08:04:24Z) - Probabilistic 3D surface reconstruction from sparse MRI information [58.14653650521129]
スパース2次元MR画像データとアレータティック不確実性予測から3次元表面再構成を同時に行うための新しい確率論的深層学習手法を提案する。
本手法は,3つの準直交MR画像スライスから,限られたトレーニングセットから大きな表面メッシュを再構成することができる。
論文 参考訳（メタデータ） (2020-10-05T14:18:52Z) - Deep Sinogram Completion with Image Prior for Metal Artifact Reduction
in CT Images [29.019325663195627]
CTは, 診断, 評価, 治療計画, 指導に広く用いられている。
CT画像は金属の物体の存在に悪影響を及ぼし、重金属の破片につながる可能性がある。
本稿では, 画像領域とシノグラム領域に基づくMAR技術の利点を同時に活用して, 金属アーティファクト低減(MAR)の一般化可能なフレームワークを提案する。
論文 参考訳（メタデータ） (2020-09-16T04:43:35Z) - Searching for Efficient Architecture for Instrument Segmentation in
Robotic Surgery [58.63306322525082]
ほとんどのアプリケーションは、高解像度の外科画像の正確なリアルタイムセグメンテーションに依存している。
我々は,高解像度画像のリアルタイム推論を行うために調整された,軽量で高効率なディープ残差アーキテクチャを設計する。
論文 参考訳（メタデータ） (2020-07-08T21:38:29Z)
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。