Loading...
机构名称:
¥ 1.0

先进制造 (AM) 因其在核材料上的潜在应用而引起了核界的极大兴趣。一个挑战是通过在运行时控制制造过程来获得所需的材料特性。基于深度强化学习 (DRL) 的智能 AM 依赖于自动化过程级控制机制来生成最佳设计变量和自适应系统设置,以改善最终产品特性。爱达荷国家实验室 (INL) 最近在 MOOSE 框架内开发了一种用于直接能量沉积的高保真热机械模型。这项工作的目标是为这种基于 MOOSE 的 AM 模型开发一个准确且快速运行的降阶模型 (ROM),该模型可用于基于 DRL 的过程控制和优化方法。由于基于算子学习 (OL) 的方法能够学习一组微分方程,在本研究中,这些方程是通过改变激光高斯点热源中的工艺变量而产生的,因此将采用这些方法。我们将使用傅里叶神经算子开发基于 OL 的 ROM,并对其性能与传统的基于深度神经网络的 ROM 进行基准比较。

arXiv:2308.09691v1 [stat.ML] 2023 年 8 月 18 日

arXiv:2308.09691v1 [stat.ML] 2023 年 8 月 18 日PDF文件第1页

arXiv:2308.09691v1 [stat.ML] 2023 年 8 月 18 日PDF文件第2页

arXiv:2308.09691v1 [stat.ML] 2023 年 8 月 18 日PDF文件第3页

arXiv:2308.09691v1 [stat.ML] 2023 年 8 月 18 日PDF文件第4页

arXiv:2308.09691v1 [stat.ML] 2023 年 8 月 18 日PDF文件第5页

相关文件推荐

2023 年
¥1.0
2023 年
¥1.0