付加製造における熱補償のための材料歪を定量化するための人工知能/統計解【JST・京大機械翻訳】

Wang Chao; Li Shaofan; Zeng Danielle; Zhu Xinhai

プレプリント

J-GLOBAL ID：202202203038930519 整理番号：22P0148771

付加製造における熱補償のための材料歪を定量化するための人工知能/統計解【JST・京大機械翻訳】

An Artificial-intelligence/Statistics Solution to Quantify Material Distortion for Thermal Compensation in Additive Manufacturing

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2020年05月14日プレプリントサーバーでの情報更新日： 2020年05月14日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

本論文では,確率的統計解または人工知能(AI)アプローチを導入し,空間構成における走査材料データおよび初期設計構成または材料構成の形に基づき,永久(非ゼロ歪)連続体/材料変形を同定し,定量化した。この問題の課題は,3次元(3D)印刷製品の空間構成と設計構成の形状における走査された材料データのみを知ることであり,一方,実際の物理的変形プロセスに関する詳細な情報を知らないならば,特定の走査材料点に対して,その対応する材料座標を,初期または設計された参照配置で知らないことである。物理ベースモデリングと異なり,ここで開発した方法は,不完全変形データまたは実際の物理的変形プロセスの欠落情報による問題を解決するデータ駆動人工知能法である。方法はAIベースの材料変形発見アルゴリズムである。この方法は,切削エッジ3D印刷技術の心臓にある付加的製造における3D印刷製品の熱補償構成の発見および設計において,実用的意義および重要な応用を有する。本論文では,提案したAI連続体/材料変形発見アプローチが,複雑な3D印刷構造部品に対する永久熱変形構成を正確に見つけることができ,従って,温度の変化に敏感な3D印刷構造部品に及ぼす温度変動の影響を最小化するために,熱補償設計構成を同定することを示した。【JST・京大機械翻訳】

, , , , , , , , , , , ,
, , 【Automatic Indexing@JST】

人工知能

, , , , , ,

前のページに戻る