論文の概要: Online Two-stage Thermal History Prediction Method for Metal Additive
Manufacturing of Thin Walls
- arxiv url: http://arxiv.org/abs/2310.16125v2
- Date: Fri, 17 Nov 2023 19:46:15 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-22 17:06:20.146517
- Title: Online Two-stage Thermal History Prediction Method 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二段階熱履歴予測法
- 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,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。
- 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 propose an online two-stage thermal history prediction
method, which could be integrated into a metal AM process for performance
control. Based on the similarity of temperature curves (curve segments of a
temperature profile of one point) between any two successive layers, the first
stage of the proposed method designs a layer-to-layer prediction model to
estimate the temperature curves of 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 second stage proposes a reduced order model (ROM) (intra-layer prediction
model) to decompose and 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 history of a yet-to-print layer within 0.1
seconds on a low-cost desktop computer. Meanwhile, the method has acceptable
generalization capability in most cases from lower layers to higher layers in
the same simulation, as well as 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 smaller than 0.09, which
demonstrates the applicability and generalization of the proposed two-stage
thermal history prediction method in online applications for metal AM.
- Abstract（参考訳）: 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。
提案手法の第一段階は,2つの連続した層間の温度曲線(一点の温度分布の曲率)の類似性に基づいて,予め印刷した層上の特定の点の温度から,まだ印刷されていない層の温度曲線を推定する層間予測モデルを設計した。
2段目は、同一層上の複数の点の温度プロファイルを測定・予測し、同一層上のすべての点の温度プロファイルを分解し構成するための縮小順序モデル(rom)を提案する。
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コンピュータ上で0.1秒以内で, 未印刷層の温度履歴を構築できることが示唆された。
一方,本手法は,低層から高層までのほとんどの場合において,一つのシミュレーションから異なるAMプロセスパラメータの新たなシミュレーションまで,同じシミュレーションにおいて許容される一般化能力を有する。
さらに,提案手法を限定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プロファイルの相対誤差は0.09未満となり,金属AMのオンライン応用における2段階熱履歴予測法の適用性と一般化が示された。
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。