Tiefes Reinforcement-Learning-basiertes Bahnverfolgungsverfahren zur Erzielung thermischer Gleichmäßigkeit im Laser-Pulverbett-Fusions-Prozess
Das vorgeschlagene tiefe Reinforcement-Learning-basierte Bahnverfolgungsverfahren zielt darauf ab, eine gleichmäßig verteilte Temperaturverteilung zu erreichen und extreme Fälle von Wärmeakkumulation zu vermeiden, um die Verformung der Bauteile während des Laser-Pulverbett-Fusions-Prozesses zu reduzieren.
Verbesserte Strategien für rollenbasierte Verteilung kohäsiver Pulver in der additiven Fertigung durch gekoppelte DEM-FEM-Simulationen
Optimale rollenbasierte Pulververteilung für hochkohäsive Pulver hängt von einer Kombination aus Oberflächenreibung der Rolle und Rollkinematik ab, die ausreichend kinetische Energie zum Brechen der Kohäsionskräfte zwischen den Pulverpartikeln liefert. Übermäßige Rotation kann jedoch zu übermäßiger kinetischer Energie des Pulvers führen, was zu Partikelauswurf und einer ungleichmäßigen Schicht führt.
Wie eine Cloud-basierte Fertigungsplattform als Dienstleistung die additive Fertigung effizienter und nachhaltiger gestalten kann
Eine Cloud-basierte Fertigungsplattform als Dienstleistung kann die additive Fertigung durch lokale und bedarfsgerechte Produktion effizienter und nachhaltiger gestalten.
Datengesteuerte Optimierung der Extrusionskraftregelung für den 3D-Druck
Durch den Einsatz von Bayesscher Optimierung können die Regelparameter für die Extrusionskraftregelung in der Fused-Filament-Fertigung (FFF) automatisch optimiert werden, um eine hohe Druckqualität zu erreichen. Zusätzlich kann durch den Einsatz von Transfer Learning die Konvergenzgeschwindigkeit der Optimierung deutlich beschleunigt werden.
Datengestützte Quantifizierung der Unsicherheiten für laserbasierte Pulverbettfusion in der additiven Fertigung
Die Studie präsentiert einen effizienten Ansatz zur Quantifizierung der Unsicherheiten, die mit numerischen Simulationen des laserbasierten Pulverbettschmelzens von Metallen verbunden sind. Der Fokus liegt auf einem thermomechanischen Modell eines Inconel 625 Auskragungsträgers, basierend auf dem AMBench2018-01-Benchmark des National Institute of Standards and Technology (NIST). Der vorgeschlagene Ansatz besteht aus einer vorwärtsgerichteten Unsicherheitsquantifizierung der Restspannungen des Auskragungsträgers unter Berücksichtigung der Unsicherheit bei einigen Parametern der numerischen Simulation, nämlich dem Pulverkonvektionskoeffizienten und der Aktivierungstemperatur. Die Unsicherheit dieser Parameter wird durch eine datengestützte Wahrscheinlichkeitsdichtefunktion modelliert, die durch ein Bayes'sches Inversionverfahren auf der Grundlage der vom NIST bereitgestellten Verschiebungsmessdaten gewonnen wird.
Präzise Vorhersage der Schmelzbadgeometrie in der lasergesteuerten Energieabscheidung durch ein heterogenes Multi-Fidelity-Modell
Ein neuartiger heterogener Multi-Fidelity-Gaußprozess-Ansatz ermöglicht eine präzise und effiziente Vorhersage der Schmelzbadgeometrie in der lasergesteuerten Energieabscheidung, indem Modelle unterschiedlicher Komplexität und Genauigkeit kombiniert werden.
Skalierbare pfadbasierte thermische Simulationen des PBF-Prozesses validiert durch Schmelzbadbilder
Eine skalierbare und genaue Simulation der thermischen Geschichte des Laser-Pulverbett-Fusions-Prozesses, die durch experimentell erfasste Schmelzbadbilder validiert wurde.
Vorhersage mechanischer Eigenschaften in der metallischen additiven Fertigung durch maschinelles Lernen
Durch den Einsatz von Maschinenlernmethoden können die mechanischen Eigenschaften von Bauteilen in der metallischen additiven Fertigung genau vorhergesagt werden, was die Qualität und Zuverlässigkeit gedruckter Teile erhöht.
© 2024 by Linnk AI