一种强化学习方法用于实时调整热成像参数在热塑性应用中的热成像参数
G Dinesh1, Srigitha S Nath2, Md Zair Hussain3
1Department of Computational Intelligence, School of Computing, SRM Institute of Science and Technology, Kattankulathur(KTR), Chennai, Tamil Nadu, India.
Journal of thermal biology
|May 6, 2025
概括
一种新的混合碳化物 (SiC) 和 (Al) 糊剂为热塑性加热提供了改进的温度控制. 强化学习优化了激光参数,减少了热梯度,以实现更安全的应用.
科学领域:
- 材料科学 材料科学 材料科学
- 纳米技术纳米技术
- 生物医学工程 生物医学工程
背景情况:
- 热塑性应用需要精确的温度控制,特别是在异质材料中.
- 现有的方法在有效管理热分配方面面临挑战.
- 开发先进的材料对于克服这些局限性至关重要.
研究的目的:
- 开发一种混合碳化物 (SiC) 和 (Al) 糊剂,用于增强热塑性温度控制.
- 利用强化学习 (RL) 来优化热质应用中的热分布.
- 通过热成像和拉曼光谱来验证材料的性能.
主要方法:
- 混合SiC-Al糊的制造. 这是一种混合SiC-Al糊的制造.
- 热成像分析以估计等离子体热量.
- 强化学习 (RL) 的应用,以优化激光功率密度,照射时间和加热周期.
- 使用拉曼光谱学的结构分析.
主要成果:
- 优化的RL将中心温度从75°C降低到70°C,并将外围温度从45°C提高到55°C.
- 调整激光强度 (100mW至75mW),曝光时间 (30s至45s) 和定位 (5cm) 提高了导热率.
- 实现了大约10°C的降低热梯度.
- 通过拉曼光谱学验证结构完整性.
结论:
- 混合SiC-Al糊在热塑性加热中显示出有效的温度管理.
- 激光参数的RL驱动优化显著改善了热量分配.
- 这种混合材料对具有减少热梯度的先进热塑性应用具有前途.
