BriefGPT - AI 论文速递
·
激光粉床熔化过程的统计参数化基于物理的机器学习数字孪生模型
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文介绍了基于参数化物理模型的数字孪生（PPB-DT），用于预测激光粉末床熔化金属增材制造过程中的熔池几何和缺陷识别。通过机器学习模型（PPB-ML-DT），可预测、监测和控制熔池几何，加快产品开发和认证过程。
🎯
关键要点
- 本文介绍了基于参数化物理模型的数字孪生（PPB-DT）。
- PPB-DT用于预测激光粉末床熔化金属增材制造过程中的熔池几何和缺陷识别。
- 通过机器学习模型（PPB-ML-DT），可以预测、监测和控制熔池几何。
- PPB-ML-DT模型是基于物理模型和实验数据训练的。
- 该技术可以加快基于激光粉末床熔化金属增材制造的产品开发和认证过程。
➡️
