相关实验视频
Updated: Jul 6, 2025
09:17
Surrogate Model Development for Digital Experiments in Welding
Published on: March 28, 2025
887
通过将机器学习应用于电弧增材制造 (WAAM) 来确定最佳的珠子中心角度
Dong-Ook Kim1, Choon-Man Lee2, Dong-Hyeon Kim2
1School of Smart Manufacturing Engineering, Changwon National University, Changwon, Republic of Korea.
Heliyon
|January 1, 2024
概括
本研究介绍了一种支向量机 (SVM) 分类器,以优化丝弧增材制造 (WAAM) 中的珠子几何. SVM方法成功地预测了最佳的沉积条件,防止了多层建筑中的珠子崩.
科学领域:
- 材料科学 材料科学 材料科学
- 制造业 工程 制造工程
- 机器学习应用 机器学习应用
背景情况:
- 电弧增材制造 (WAAM) 在各个行业中被广泛采用.
- 在WAAM中不受控制的珠子沉积会导致多层结构的形状崩.
- 优化沉积参数对于实现所需的珠子几何和结构完整性至关重要.
研究的目的:
- 开发一种用于优化WAAM中的珠子几何学的新方法,使用支持向量机 (SVM) 分类器.
- 为了确定和验证最佳的沉积条件范围,以形成稳定的珠子.
- 为了能够精确控制WAAM过程中的珠子形状,包括再制造应用.
主要方法:
- 使用支向量机 (SVM) 二元分类器来预测最佳沉积条件.
- 使用激光分析仪提取沉积珠的几何数据.
- 进行单层实验以收集数据和多层实验以进行验证,根据4°中央角度进行分类.
主要成果:
- SVM分类器有效地确定了沉积条件的最佳范围,防止珠子形状崩.
- 验证实验证实了基于SVM边界的沉积结果的准确分类.
- 证明了SVM分类器的效率和准确性,即使输入数据有限.
结论:
- 开发的基于SVM的方法成功地优化了WAAM中的珠子几何.
- 这种方法有助于创建所需的珠子形状,这对于再制造等应用至关重要.
- 该方法显示了现实世界工业实施的潜力,通过进一步的多层沉积研究.
