文献

J-GLOBAL ID：202202258850961603   整理番号：22A0627723

機械学習可能閉ループ制御によるセラミック付加製造の改善【JST・京大機械翻訳】

Improving ceramic additive manufacturing via machine learning-enabled closed-loop control

著者 (4件)： Zhang Zhaolong (Department of Mechanical Engineering, Worcester Polytechnic Institute, Worcester, Massachusetts, USA) ,  Yang Zhaotong (Department of Mechanical Engineering, Worcester Polytechnic Institute, Worcester, Massachusetts, USA) ,  Sisson Richard D. (Department of Mechanical Engineering, Worcester Polytechnic Institute, Worcester, Massachusetts, USA) ,  Liang Jianyu (Department of Mechanical Engineering, Worcester Polytechnic Institute, Worcester, Massachusetts, USA)
資料名： International Journal of Applied Ceramic Technology  (International Journal of Applied Ceramic Technology)
巻： 19  号： 2  ページ： 957-967  発行年： 2022年 
JST資料番号： W1929A  ISSN： 1546-542X  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： 先進セラミック製品は,航空宇宙,自動車,電子,実験室装置,および他の産業で広く使用されている。従来の製造方法で得るのが難しい幾何学的複雑性と望ましい特性を達成するために,セラミック添加物製造(AM)法は近年集中的に研究されている。しかし,フィードバックによる適応制御は,現在,市販のセラミック3次元プリンタに実装されていない。ロボキャスティングは,低コストで様々なセラミック材料を作るための最も広く利用される一定体積流AMプロセスの1つである。本研究では,セラミックAMプロセスにおけるフィードバックループによる適応制御を実行するためのモデルとしてロボキャスティングを採用した。本研究では,加工圧力,印刷の幅,および押出の長さに比例する処理負荷を,それぞれプロセス信号,品質信号,および制御パラメータを代表するように選択した。最初に,荷重と押出長さのデータベースを確立した。人工ニューラルネットワークモデルを,確立したデータベースを用いて作成した。データ駆動,閉ループ制御をロボキャスティングプロセスに統合した。最後に,改良を,適応制御なしの閉ループプロセスおよび適応制御なしの開ループプロセスの両方によって作り出される印刷の品質を比較することによって検証した。Copyright 2022 Wiley Publishing Japan K.K. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *セラミック ,  自動車 ,  データベース ,  品質 ,  適応制御 ,  フィードバック制御 ,  押出 ,  開ループ系 ,  *機械学習 ,  *付加製造 ,  3Dプリンタ
準シソーラス用語： 神経回路網モデル ,  フィードバックループ ,  複雑性 ,  データ駆動 , 【Automatic Indexing@JST】

著者キーワード (3件)： 適応制御 ,  セラミックロボキャスティング ,  機械学習

分類 (1件)： セラミック・陶磁器の製造  (YC03020V)

タイトルに関連する用語 (4件)： 機械学習 ,  閉ループ制御 ,  セラミック ,  付加製造