論文の概要: Online Thermal Field Prediction for Metal Additive Manufacturing of Thin
Walls
- arxiv url: http://arxiv.org/abs/2310.16125v1
- Date: Tue, 24 Oct 2023 18:58:36 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-26 18:27:06.658566
- Title: Online Thermal Field Prediction for Metal Additive Manufacturing of Thin
Walls
- Title（参考訳）: 薄肉金属添加物製造におけるオンライン熱場予測
- Authors: Yifan Tang, M. Rahmani Dehaghani, Pouyan Sajadi, Shahriar Bakrani
Balani, Akshay Dhalpe, Suraj Panicker, Di Wu, Eric Coatanea, G. Gary Wang
- Abstract要約: 本稿では,マッピングと再構成を用いたオンライン熱場予測手法を提案する。
提案手法は, 低コストデスクトップ上では0.1秒以内に, プリント・トゥ・プリント層の熱場を構築することができる。
- 参考スコア（独自算出の注目度）: 3.8529213379135148
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: This paper aims to study a practical issue in metal AM, i.e., how to predict
the thermal field of yet-to-print parts online when only a few sensors are
available. This work proposes an online thermal field prediction method using
mapping and reconstruction, which could be integrated into a metal AM process
for online performance control. Based on the similarity of temperature curves
(curve segments of a temperature profile of one point), the thermal field
mapping applies an artificial neural network to estimate the temperature curves
of points on the yet-to-print layer from measured temperatures of certain
points on the previously printed layer. With measured/predicted temperature
profiles of several points on the same layer, the thermal field reconstruction
proposes a reduced order model (ROM) to construct the temperature profiles of
all points on the same layer, which could be used to build the temperature
field of the entire layer. The training of ROM is performed with an extreme
learning machine (ELM) for computational efficiency. Fifteen wire arc AM
experiments and nine simulations are designed for thin walls with a fixed
length and unidirectional printing of each layer. The test results indicate
that the proposed prediction method could construct the thermal field of a
yet-to-print layer within 0.1 seconds on a low-cost desktop. Meanwhile, the
method has acceptable generalization capability in most cases from lower layers
to higher layers in the same simulation and from one simulation to a new
simulation on different AM process parameters. More importantly, after
fine-tuning the proposed method with limited experimental data, the relative
errors of all predicted temperature profiles on a new experiment are
sufficiently small, demonstrating the applicability and generalization of the
proposed thermal field prediction method in online applications for metal AM.
- Abstract（参考訳）: 本論文は, 金属AMにおける実用的問題, すなわち, 少数のセンサが利用可能であれば, 印刷部品の熱場をオンラインで予測する方法について検討することを目的とする。
本研究は,オンライン性能制御のための金属AMプロセスに統合可能なマッピングと再構成を用いたオンライン熱場予測手法を提案する。
温度曲線(一点の温度プロファイルの曲線セグメント)の類似性に基づいて、熱電界マッピングは、予め印刷された層上のある点の測定温度から、未印刷層の点の温度曲線を推定する人工ニューラルネットワークを適用する。
同じ層上の複数の点の温度分布を測定・予測することで、熱電界再構成は、同じ層上のすべての点の温度プロファイルを構築するための還元次数モデル(rom)を提案し、層全体の温度場を構築するのに使用できる。
ROMのトレーニングは、計算効率を高めるための極端な学習機械(ELM)を用いて行われる。
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。
実験結果から, 提案手法は, 低コストデスクトップ上で0.1秒以内で, 未印刷層の温度場を構築できることが示唆された。
一方,本手法は,低層から高層へ,同じシミュレーションでは高層へ,異なるAMプロセスパラメータ上での新しいシミュレーションに至るまで,ほとんどの場合において適用可能である。
さらに,提案手法を限られた実験データで微調整した後,新しい実験における予測温度分布の相対誤差は十分に小さく,金属AMのオンライン応用における熱場予測法の適用性と一般化が実証された。
関連論文リスト
- Adaptive Decoding via Latent Preference Optimization [55.70602730588745]
モデルに付加されたレイヤであるAdaptive Decodingを導入し、推論時にサンプリング温度を動的に選択する。
我々の手法は、異なる温度を必要とする様々なタスクにおいて、すべての固定デコード温度を上回ります。
論文 参考訳（メタデータ） (2024-11-14T18:31:39Z) - A Predictive Surrogate Model for Heat Transfer of an Impinging Jet on a
Concave Surface [0.0]
本稿では, 円錐面に衝突するパルス噴流の伝熱予測におけるモデル次数削減(MOR)と深層学習の有効性について検討する。
そこで本研究では,Fast Fourier Transformation augmented Artificial Neural Network (FFT-ANN) を用いて,定周波シナリオ下での平均ヌッセルト数を予測する。
POD-LSTM法は, 時間モードの傾向と値の両方を捉えることにより, ランダム周波数インピーダンスシナリオ下での局所熱伝達率を予測するための堅牢な解であることが証明された。
論文 参考訳（メタデータ） (2024-02-16T12:41:31Z) - Bayesian inference of composition-dependent phase diagrams [47.79947989845143]
本研究では,分子動力学(MD),融点シミュレーション,フォノン計算からの熱力学データを合成し,これらのデータを処理し,温度集中相図を生成する手法を開発した。
開発したアルゴリズムは,Ge-SiとK-Naの2つの二元系において,全濃度および温度で試験に成功した。
論文 参考訳（メタデータ） (2023-09-03T20:57:10Z) - Capturing Local Temperature Evolution during Additive Manufacturing
through Fourier Neural Operators [0.0]
本稿では, 加法製造過程における局所的な温度変化を捉えたデータ駆動モデルを提案する。
直接エネルギー沈着過程における不連続なガレルキン有限要素法に基づく数値シミュレーションで検証した。
その結果、このモデルはR2$で測定された高忠実度を実現し、トレーニングプロセスに含まれていない測地に対する一般化性を維持した。
論文 参考訳（メタデータ） (2023-07-04T16:17:59Z) - 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) - Long Short-Term Memory Neural Network for Temperature Prediction in
Laser Powder Bed Additive Manufacturing [0.0]
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。
論文 参考訳（メタデータ） (2023-01-30T14:06:14Z) - Comparative analysis of machine learning and numerical modeling for
combined heat transfer in Polymethylmethacrylate [0.0]
本研究はPMMA試料における導電性および放射性熱伝達の同時効果を予測するための異なる方法の比較を行った。
結果は,この人工知能手法が問題予測において正確かつ高速であることを示す。
論文 参考訳（メタデータ） (2022-04-12T22:44:53Z) - A deep learning method based on patchwise training for reconstructing
temperature field [10.422905687540172]
本研究は、限られた観測から電子機器の温度場を正確に再構築するためのパッチワイズトレーニングに基づく新しい深層学習手法を提案する。
再構成された温度場の絶対誤差はパッチワイドトレーニング法で1K未満である。
論文 参考訳（メタデータ） (2022-01-26T10:42:23Z) - 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) - Adiabatic Sensing Technique for Optimal Temperature Estimation using
Trapped Ions [64.31011847952006]
捕捉イオンを用いた最適なフォノン温度推定のための断熱法を提案する。
フォノンの熱分布に関する関連する情報は、スピンの集合的な自由度に伝達することができる。
それぞれの熱状態確率は、各スピン励起構成に近似的にマッピングされることを示す。
論文 参考訳（メタデータ） (2020-12-16T12:58:08Z) - 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。