BriefGPT - AI 论文速递
·
金属增材制造中基于物理启发神经网络的实时二维温度场预测
💡
原文中文，约500字，阅读约需2分钟。
📝
内容提要
该论文研究了金属增材制造过程中在线预测未打印零件的热场的方法。通过映射和重建，利用人工神经网络估计未打印层上点的温度曲线，并通过降阶模型构建整个层的温度场。经过实验验证，该方法在低成本台式机上能够快速构建未打印层的热场，并具有良好的泛化能力。
🎯
关键要点
- 该论文研究了金属增材制造过程中在线预测未打印零件的热场的方法。
- 提出了一种使用映射和重建的在线热场预测方法，适用于金属增材制造的在线性能控制。
- 该方法利用人工神经网络从已打印层的温度测量估计未打印层的温度曲线。
- 通过降阶模型构建同一层上所有点的温度曲线，以建立整个层的温度场。
- 使用极限学习机（ELM）进行降阶模型的训练，提高计算效率。
- 实验结果表明，该方法能够在低成本台式机上快速构建未打印层的热场，时间为0.1秒。
- 该方法在大多数情况下具有良好的泛化能力，适用于不同增材制造参数的模拟。
- 经过有限实验数据的微调后，预测温度曲线在新实验中的相对误差非常小，证明了方法的实际应用适用性。
➡️
