Prognose von Qualitätsmerkmalen durch Anwendung von KI-Methoden beim Directed 10 Energy Deposition
- Dieser Beitrag enthält die Ergebnisse eines im Rahmen der DVS Forschung entwickelten Ansatzes zur Qualitätssicherung im Directed Energy Deposition. Es basiert auf der Verarbeitung verschiedener während des Prozesses gesammelter Sensordaten unter Anwendung Künstlicher Neuronale Netze (KNN). So ließen sich die Qualitätsmerkmale Härte und Dichte auf der Datenbasis von 50 additiv gefertigten Probenwürfel mit einer Abweichung < 2 % vorhersagen. Des Weiteren wurde die Übertragbarkeit des KNN auf eine Schaufelgeometrie untersucht. Auch hier ließen sich Härte und Dichte hervorragend prognostizieren (Abweichung < 1,5 %), sodass der Ansatz als validiert betrachtet werden kann.
Autor*innen: | A. Marko, S. Bähring, J. Raute, M. Biegler, Michael RethmeierORCiD |
---|---|
Dokumenttyp: | Zeitschriftenartikel |
Veröffentlichungsform: | Verlagsliteratur |
Sprache: | Deutsch |
Titel des übergeordneten Werkes (Deutsch): | Schweißen und Schneiden |
Jahr der Erstveröffentlichung: | 2022 |
Organisationseinheit der BAM: | 9 Komponentensicherheit |
9 Komponentensicherheit / 9.3 Schweißtechnische Fertigungsverfahren | |
Verlag: | DVS Media |
Verlagsort: | Düsseldorf |
Jahrgang/Band: | 74 |
Ausgabe/Heft: | 10 |
Erste Seite: | 672 |
Letzte Seite: | 679 |
DDC-Klassifikation: | Technik, Medizin, angewandte Wissenschaften / Ingenieurwissenschaften / Ingenieurwissenschaften und zugeordnete Tätigkeiten |
Freie Schlagwörter: | Kl; Qualitätssicherung Directed Energy Depositio |
Themenfelder/Aktivitätsfelder der BAM: | Material |
ISSN: | 0036-7184 |
Verfügbarkeit des Dokuments: | Datei im Netzwerk der BAM verfügbar ("Closed Access") |
Datum der Freischaltung: | 16.11.2022 |
Referierte Publikation: | Nein |