XiaoMi-AI文件搜索系统
World File Search System焊接
用激光直接金属沉积和由马氏体钢制成的激光焊接1.4313
摘要Burckhardt Compression Holding AG总部位于温特图尔，是一家具有国际活跃的往复式压力机制造商，在其Laby®往复式压缩机中使用三件式活塞。由于其铸造设计，活塞的重量很高，这限制了活塞的大小，特别是对于大直径。因此，正在寻找解决方案在轻质设计中使用金属添加剂制造工艺制作活塞，以抵消这些挑战。在各个科学和工业领域应用的减轻体重的创新技术之一是激光直接金属沉积（DMD）。因此，一个项目是从Burckhardt压缩开始的，以降低质量，从而实现更高的工作速度。这项研究提供了一个工作流程，可通过直接金属沉积（DMD）制造1.4313的轻质活塞，直径约为342 mm，高度为140 mm。活塞的特征是不同的片段，这些片段在传统上和附加性制造中以克服机器限制。活塞皇冠被连接到添加剂制造的部分，并由CO 2激光焊接密封。降低DMD的激光功率可降低温度，因此，锰和硅的氧化和降低载气流量可提高堆积速率，并降低了湍流诱导的氧化。每层交替的进料方向提高了几何准确性，并避免了在锋利的角落积累的材料。一种方法被发现在堆积方向上定量地表明半径的几何精度。选择了激光焊接的焊接类型和接缝以实现良好的力流；但是，需要夹紧装置。为了减少隐藏的T关节的缺口效应，考虑了双重焊接策略。该设计使40％的重量减轻，与铸件活塞相比，重量为40 kg，重量为24千克。的金理分析和3D扫描。该研究显示了DMD的局限性和挑战以及如何通过部分分割克服机器的局限性。
dsnet：用于实时焊接接缝图像分割的动态挤压网络
焊接过程产生的图像噪声（例如弧光，飞溅和烟雾）给基于激光视觉传感器的焊接机器人带来了巨大的挑战，可以定位焊接接缝并准确地进行自动焊接。当前，基于深度学习的方法超过了灵活性和鲁棒性的传统方法。但是，它们的重大计算成本导致与自动焊接的实时要求不匹配。在本文中，我们对卷积神经网络（CNN）和变压器的有效混合体系结构（称为动态挤压网络（DSNET））进行实时焊接接缝分段。更准确地说，开发了一个轻巧的分割框架，以充分利用变压器结构的优势，而无需显着增加计算开销。在这方面，旨在提高其功能多样性的高效编码器已被设计并导致了编码性能的大幅改进。此外，我们提出了一个插件轻巧的注意模块，该模块通过利用焊接接缝数据的统计信息并引入线性先验来产生更有效的注意力权重。使用NVIDIA GTX 1050TI对焊缝图像进行广泛的实验表明，与基线方法Transunet相比，我们的方法将参数的数量减少了54倍，将计算复杂性降低了34倍，并将推理速度提高33倍。dsnet可实现较高的准确性（78.01％IOU，87.64％骰子）和速度性能（100 fps），其模型复杂性和计算负担较低。该代码可在https://github.com/hackerschen/dsnet上找到。
焊接和增材制造中的破裂现象2025，5th int。会议
8:40主题演讲：从毛孔到脆弱的阶段：高级制造业的关键途径N. Nudelis，Z。Mohamed，C。Obergfell，S。Rotzsche，P。Mayr
特刊 - 金属和焊接接头的疲劳
疲劳是指材料在受到循环载荷时其性能发生改变；这会导致裂纹形成并导致断裂。另一方面，焊接是一种用于焊接相似和/或不同金属材料以制造机器部件和结构的工艺，这些部件和结构通常会受到疲劳的影响。本期《金属》特刊致力于发表有关材料和焊接接头疲劳的原创作品。欢迎对低周、高周和超高周疲劳方法进行评估，包括有焊接和无焊接的材料。欢迎基于实验和数值方法的论文。
在液相键合中控制界面交换，可以形成强大可靠的Cu – Sn焊接用于高功率和温度应用的
Jean-FrançoisSilvain，LoïcConstantin，Jean-Marc Heintz，SylvieBordère，LionelTeulé-Gay等在液相键合中控制界面交换，可以为高功率和温度应用形成强可靠的Cu – SN焊接。ACS应用电子材料，2021，3（2），pp.921-928。10.1021/acsaelm.0c01040。hal-03153399
GTAW过程中的焊接配置分类的机器学习方法
在本研究中，已经尝试使用机器学习（ML）方法将实验数据（ML）进行分类，以对几种焊接进行分类。在气钨电弧焊接过程（GTAW）过程中，已经开发了ML模型并将其馈送到几个传感器捕获的实验数据中。一方面，焊接参数（电压，电流，电线速度，焊接速度等）用于监视焊接过程中传递的控制能。另一方面，使用与图像处理算法结合的摄像机被用来捕获原位焊接池轮廓。还构建了一个数据库来存储，标签和订购所获得的信息。然后将此数据库用于ML模型的各种培训，验证和预测步骤。然后使用KNN分类算法对焊接配置进行分类，然后分析其效率（准确性，处理时间等）。表明，与ML结合使用的图像处理可以通过提取的特征来训练以预测焊接配置的分类。当前研究的最终观点是实现实时识别和修改焊接操作条件。