Evaluación de porosidad asistida por aprendizaje profundo para componentes de fabricación aditiva utilizando ondas de...

Área de la Ciencia:

• Ciencia de los materiales
• Pruebas no destructivas
• Inteligencia artificial

Sus antecedentes:

• La porosidad en los componentes de fabricación aditiva afecta críticamente las propiedades mecánicas, lo que dificulta las aplicaciones de ingeniería.
• Los métodos actuales de evaluación de porosidad son principalmente destructivos, lo que requiere soluciones avanzadas de pruebas no destructivas (NDT).
• Las NDT precisas in situ son cruciales para un control de calidad confiable en la fabricación aditiva.

Objetivo del estudio:

• Desarrollar un nuevo método NDT asistido por aprendizaje profundo para la evaluación precisa de la porosidad en componentes de fabricación aditiva.
• Superar las limitaciones de los parámetros NDT convencionales en el mapeo de características de porosidad complejas.
• Mejorar la precisión y confiabilidad de la evaluación de porosidad en piezas fabricadas aditivamente.

Principales métodos:

• Se utilizaron ondas de coda ultrasónicas por su alta sensibilidad a las variaciones internas del material y la porosidad.
• Se empleó un enfoque de aprendizaje profundo, específicamente una red neuronal convolucional de coda con un mecanismo de atención de múltiples cabezales.
• Se integró el análisis de ondas de coda ultrasónicas con el aprendizaje profundo para mejorar la extracción de características y el mapeo complejo.

Principales resultados:

• Las ondas de coda ultrasónicas demostraron sensibilidad a las variaciones de porosidad en componentes de fabricación aditiva.
• La red de aprendizaje profundo extrajo eficazmente características relacionadas con la porosidad de las señales de ondas de coda ultrasónicas.
• El método propuesto logró una alta precisión de predicción del 98% para la porosidad del componente.

Conclusiones:

• Las ondas de coda ultrasónicas y el aprendizaje profundo ofrecen un enfoque complementario para la evaluación de la porosidad.
• Este marco integrado supera los desafíos en la extracción de características y el mapeo de relaciones complejas.
• El método desarrollado proporciona una solución nueva y de alta precisión para las pruebas no destructivas de componentes de fabricación aditiva.