Maschinelles Lernen verbessert die Vorhersage der Leistung von 3D-gedrucktem Ti6Al4V

LONDON (IT BOLTWISE) – In der Welt der additiven Fertigung spielt die Vorhersage der mechanischen Eigenschaften von Materialien eine entscheidende Rolle. Forscher der South China University of Technology haben einen innovativen Ansatz entwickelt, um die Leistung von Ti6Al4V-Legierungen, die durch Laser-Pulverbett-Fusion (LPBF) hergestellt werden, präzise vorherzusagen.

Die additive Fertigung hat in den letzten Jahren erhebliche Fortschritte gemacht, insbesondere bei der Herstellung von Metallteilen. Eine der größten Herausforderungen besteht darin, die mechanischen Eigenschaften der hergestellten Teile vorherzusagen, da zahlreiche Prozessparameter miteinander interagieren. Forscher der South China University of Technology haben nun einen datengesteuerten Ansatz entwickelt, der auf Stacking Ensemble Learning basiert, um diese Vorhersagen zu verbessern.

Bei der Herstellung von Ti6Al4V-Teilen mittels LPBF sind Parameter wie Laserleistung, Scangeschwindigkeit und Schraffurabstand entscheidend. Die Forscher verwendeten sphärisches Ti6Al4V-Pulver, um Zugproben herzustellen, und führten orthogonale Array-Experimente durch, um 64 Parameterkombinationen zu ermitteln. Durch den Einsatz von Algorithmen wie ANN, ENet, KRR, GBR und Lasso wurde ein Stapelmodell entwickelt, das die Zugfestigkeit der Legierung vorhersagen kann.

Die Analyse ergab, dass die Scangeschwindigkeit den größten Einfluss auf die Zugfestigkeit hat, gefolgt von der Laserleistung. Der Hachtoffset zeigte den geringsten Einfluss. Nach der Optimierung des Modells wurde festgestellt, dass das Stapelmodell eine höhere Vorhersagegenauigkeit und Stabilität als das ANN-Modell aufweist. Dies zeigt, dass das Modell die komplexen Beziehungen zwischen den Prozessparametern und der Zugfestigkeit besser erfasst.

Das vorgeschlagene Modell bietet einen effektiven Rahmen für die Vorhersage der mechanischen Eigenschaften von Ti6Al4V-Legierungen, die mit LPBF hergestellt werden. Diese Studie hebt die Bedeutung der Optimierung von Prozessparametern hervor und zeigt, wie maschinelles Lernen die Effizienz und Genauigkeit in der additiven Fertigung verbessern kann. Die Ergebnisse könnten weitreichende Auswirkungen auf die Industrie haben, indem sie die Produktionsprozesse optimieren und die Qualität der hergestellten Teile verbessern.

Bestseller Nr. 1 ᵃ⤻ᶻ «KI Gadgets»

Apple AirTag - Finde und behalte Deine Sachen im Blick: Schlüssel, Geldbörsen, Gepäck, Rucksäcke und mehr. Einfaches Einrichten mit iPhone oder iPad. Austauschbare Batterie

30,99 EUR

Bestseller Nr. 2 ᵃ⤻ᶻ «KI Gadgets»

Vikye KI -Roboter Angetrieben von Deepseek, Smart Talking Desk Companion mit 1,28 "Bildschirm, Sprachsteuerung, WLAN -Wetteruhr und Bluetooth Music Player

30,50 EUR

Bestseller Nr. 3 ᵃ⤻ᶻ «KI Gadgets»

ZOOI Geschenke für Männer, Geburtstagsgeschenk für Männer, Gadgets für Männer, Geschenke für Papa Geschenk Männergeschenk Adventskalender Füllung Männer, Bluetooth Lautsprecher mit Handyständer

20,99 EUR

Bestseller Nr. 4 ᵃ⤻ᶻ «KI Gadgets»

QCOQ® Air Tags 4er Pack Schwarz, Schlüsselfinder & Air Tracker Tagg Kompatibel mit Apple Wo ist? App (Nur iOS), Smart Key Finder mit Schlüsselband, Koffer-Tracker für Taschen/Keys, Austauschbarer Akku

36,99 EUR

Bestseller Nr. 5 ᵃ⤻ᶻ «KI Gadgets»

EIlik - Ein Desktop-Begleitroboter mit emotionaler Intelligenz, Multi-Roboter-Interaktionen, Desktop-Robotik-Partner

169,00 EUR

Unseren KI-Morning-Newsletter «Der KI News Espresso» mit den besten KI-News des letzten Tages gratis per eMail - ohne Werbung: Hier kostenlos eintragen!