Das Suchergebnis hat sich seit Ihrer Suchanfrage verändert. Eventuell werden Dokumente in anderer Reihenfolge angezeigt.
  • Treffer 19 von 50
Zurück zur Trefferliste

Defect prediction in laser powder bed fusion based on thermographic features utilizing convolutional neural networks

  • The appearance of irregularities such as keyhole porosity is a major challenge for the production of metal parts by laser powder bed fusion (PBF-LB/M). The utilization of thermographic in-situ monitoring is a promising approach to extract the thermal history which is closely related to the formation of irregularities. In this study, we investigate the utilization of convolutional neural networks to predict keyhole porosity based on thermographic features. Here, the porosity information calculated from an x-ray micro computed tomography scan is used as reference. Feature engineering is performed to enable the model to learn the complex physical characteristics of the porosity formation. The model is examined with regard to the choice of hyperparameters, the significance of thermal features and characteristics of the data acquisition. Based on the results, future demands on irregularity prediction in PBF-LB/M are derived.

Volltext Dateien herunterladen

  • 2022-08-18_Oster_Pavia_OPUS.pdf
    eng

Metadaten exportieren

Weitere Dienste

Teilen auf Twitter Suche bei Google Scholar Anzahl der Zugriffe auf dieses Dokument
Metadaten
Autor*innen:Simon OsterORCiD
Koautor*innen:Tina Becker, Philipp Peter Breese, Nils Scheuschner, Christiane Maierhofer, Alexander Ulbricht, Tobias Frisch, Gunther Mohr, Simon Altenburg
Dokumenttyp:Vortrag
Veröffentlichungsform:Präsentation
Sprache:Englisch
Jahr der Erstveröffentlichung:2022
Organisationseinheit der BAM:8 Zerstörungsfreie Prüfung
8 Zerstörungsfreie Prüfung / 8.0 Abteilungsleitung und andere
8 Zerstörungsfreie Prüfung / 8.5 Röntgenbildgebung
9 Komponentensicherheit
9 Komponentensicherheit / 9.6 Additive Fertigung metallischer Komponenten
DDC-Klassifikation:Technik, Medizin, angewandte Wissenschaften / Ingenieurwissenschaften / Ingenieurwissenschaften und zugeordnete Tätigkeiten
Freie Schlagwörter:Convolutional Neural Networks; In-situ Monitoring; Laser Powder Bed Fusion; Thermography
Themenfelder/Aktivitätsfelder der BAM:Chemie und Prozesstechnik
Material
Material / Additive Fertigung
Veranstaltung:GIMC SIMAI YOUNG 2022
Veranstaltungsort:Pavia, Italy
Beginndatum der Veranstaltung:29.09.2022
Enddatum der Veranstaltung:30.09.2022
Verfügbarkeit des Dokuments:Datei im Netzwerk der BAM verfügbar ("Closed Access")
Datum der Freischaltung:22.11.2022
Referierte Publikation:Nein
Eingeladener Vortrag:Nein
Einverstanden
Diese Webseite verwendet technisch erforderliche Session-Cookies. Durch die weitere Nutzung der Webseite stimmen Sie diesem zu. Unsere Datenschutzerklärung finden Sie hier.