文献

J-GLOBAL ID：202202273019728805   整理番号：22A1155906

layer-by-layer表面レーザプロフィロメトリーデータ上の人工ニューラルネットワーク分類器の訓練による粉体層融合プロセスのアクティブモニタリング【JST・京大機械翻訳】

Active monitoring of powder bed fusion process by training an artificial neural net classifier on layer-by-layer surface laser profilometry data

著者 (4件)： Terry Benjamin S. (University of Tennessee, Knoxville, TN, USA) ,  Baucher Brandon (Applied Optimization, Fairborn, OH, USA) ,  Chaudhary Anil B. (Applied Optimization, Fairborn, OH, USA) ,  Chakraborty Subhadeep (University of Tennessee, Knoxville, TN, USA)
資料名： International Journal of Advanced Manufacturing Technology  (International Journal of Advanced Manufacturing Technology)
巻： 119  号： 11-12  ページ： 7765-7786  発行年： 2022年 
JST資料番号： T0397A  ISSN： 0268-3768  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 本論文では,層ごとの表面プロファイルデータの分析により,粉末床溶融(PBF-LB)プロセスのアクティブモニタリングに関連する最近の結果を報告した。熱交換器断面の金属添加物製造中に,Fe_3Si粉末床高さデータをin situで収集することによって,Renishaw AM250マシンにおいて,故障確率の推定を,一連の共形チャネルで構成した。特に,レーザプロフィロメータからの高分解能粉末床表面高さデータを,浅い人工ニューラルネットワーク(ANN)を訓練して,コンピュータ断層撮影(CT)スキャンから各サイトに対するポストプリントグラウンドトルースラベル(故障または名目)にリンクさせた。ANNは,表面粗さ特性と断層の存在とサイズの間の相関を発見するための興味深い能力を示した。故障と名目地を分類するためのいくつかの標準計量に関して,強い性能を達成した。これらの開発は,PBF-LBプロセスのより良い制御のためのレイヤーバイレイヤーフィードバックシステムの将来の構成要素になる能動的モニタリングプロセスを可能にする。Copyright The Author(s), under exclusive licence to Springer-Verlag London Ltd., part of Springer Nature 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *粉体 ,  故障 ,  故障率 ,  熱交換器 ,  形状測定 ,  フィードバック系 ,  *ニューラルネットワーク ,  プロフィルメータ ,  表面粗さ ,  粉体層 ,  チャネル ,  高分解能 ,  計算機トモグラフィー ,  機械学習

著者キーワード (4件)： 粉体層融合(PBF-LB) ,  現場検査 ,  レーザプロフィロメトリー ,  機械学習

分類 (5件)： 研削  (QC03000R) ,  触媒操作  (XE01050T) ,  半合成・合成繊維  (YM03030K) ,  反応操作(単位反応)  (XE01040I) ,  触媒の調製  (CB06110P)

タイトルに関連する用語 (7件)： 人工ニューラルネットワーク ,  分類器 ,  訓練 ,  粉体層 ,  融合 ,  プロセス ,  モニタリング