机构名称：
¥ 1.0
摘要：本研究提出了一种混合方法，以生成用于未来的机器学习应用程序的样本数据，用于使用GMAW工艺预测定向能量沉积 - ARC（DED-ARC）中的机械性能。DED-ARC是一个增材制造过程，由于其高沉积速率高达8 kg/h，它提供了一种具有成本效益的生成3D金属零件的方式。由填充材料G4SI1（ER70 S-6）制成的添加性生产的壁结构以T 8/5冷却时间的依赖性显示。数值模拟用于将过程参数和几何特征与特定T 8/5冷却时间联系起来。具有平均焊接功率，焊接速度和几何特征（例如壁厚，层高度和热源尺寸）的输入，可以在模拟焊接过程中计算每种迭代的特定温度场。这种新颖的方法允许通过结合实验结果来生成基于实验测量的T 8/5冷却时间来生成回归方程，从而生成大型的人工数据集作为机器学习方法的训练数据。因此，使用回归方程与数值计算的t 8/5冷却时间结合使用，在这项研究中可以准确预测机械性能，仅误差仅为2.6％。因此，一小部分实验生成的数据集允许实现回归方程，从而可以精确地预测机械性能。此外，经过验证的数值焊接模拟模型适合于实现T 8/5冷却时间的准确计算，误差仅为0.3％。
定向能量沉积 - ARC（DED-ARC）和数值...
主要关键词
相关文件推荐
