文献
J-GLOBAL ID:201902268297095987   整理番号:19A2175160

アコースティックエミッションを用いた添加物製造におけるその場および実時間品質モニタリングのための深層学習【JST・京大機械翻訳】

Deep Learning for In Situ and Real-Time Quality Monitoring in Additive Manufacturing Using Acoustic Emission
著者 (5件):
資料名:
巻: 15  号:ページ: 5194-5203  発行年: 2019年 
JST資料番号: W1434A  ISSN: 1551-3203  CODEN: ITIICH  資料種別: 逐次刊行物 (A)
記事区分: 原著論文  発行国: アメリカ合衆国 (USA)  言語: 英語 (EN)
抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
付加製造(AM)は製造の革命と考えられている。しかし,より広い産業へのさらなる浸透を妨げる高い期待面技術的困難性がある。主な理由は,プロセス再現性の欠如と信頼できる費用対効果の高いプロセス監視の欠如である。本論文は,この分野における既存の研究に対する補完であり,プロセス監視のための高感度音響センサと機械学習のユニークな組合せを提案した。実際の粉体層融合AMプロセスからの音響信号を,ファイバBragg格子を用いて収集した。プロセスパラメータを意図的に調整し,3レベルの品質カテゴリを達成した。それは,工作物内部の多孔性含有量に関連している。品質カテゴリーは,高,中,低品質で定義され,それらの対応する多孔性含有量は,それぞれ0.07%,0.30%,および1.42%である。スペクトルクラスタリングから得られた信号とそれらの符号化ラベル表現のウェーブレット分光写真を特徴とした。深い畳込みニューラルネットワークを用いて,各カテゴリからの特徴を分類し,分類精度は78%と91%の間にあった。したがって,提案した方法は,商業的に利用可能な産業機械の最小の修正を必要とするので,AMプロセスのその場および実時間品質監視のための重要な工業的可能性を有している。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】
シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。

準シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
, 【Automatic Indexing@JST】
分類 (1件):
分類
JSTが定めた文献の分類名称とコードです
人工知能 
タイトルに関連する用語 (5件):
タイトルに関連する用語
J-GLOBALで独自に切り出した文献タイトルの用語をもとにしたキーワードです

前のページに戻る