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.

- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
Stellenangebote

Duales Studium (DHBW) - Data Science und künstliche Intelligenz (m/w/d) 2026

Cloud Platform Engineer (m/w/d) Schwerpunkt Generative AI

Duales Studium BWL - Spezialisierung Artificial Intelligence (B.A.) am Campus oder virtuell

Duales Studium BWL - Spezialisierung Artificial Intelligence (B.A.) am Campus oder virtuell

- Die Zukunft von Mensch und MaschineIm neuen Buch des renommierten Zukunftsforschers und Technologie-Visionärs Ray Kurzweil wird eine faszinierende Vision der kommenden Jahre und Jahrzehnte entworfen – eine Welt, die von KI durchdrungen sein wird
- Künstliche Intelligenz: Expertenwissen gegen Hysterie Der renommierte Gehirnforscher, Psychiater und Bestseller-Autor Manfred Spitzer ist ein ausgewiesener Experte für neuronale Netze, auf denen KI aufbaut
- Obwohl Künstliche Intelligenz (KI) derzeit in aller Munde ist, setzen bislang nur wenige Unternehmen die Technologie wirklich erfolgreich ein
- Wie funktioniert Künstliche Intelligenz (KI) und gibt es Parallelen zum menschlichen Gehirn? Was sind die Gemeinsamkeiten von natürlicher und künstlicher Intelligenz, und was die Unterschiede? Ist das Gehirn nichts anderes als ein biologischer Computer? Was sind Neuronale Netze und wie kann der Begriff Deep Learning einfach erklärt werden?Seit der kognitiven Revolution Mitte des letzten Jahrhunderts sind KI und Hirnforschung eng miteinander verflochten
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "Maschinelles Lernen verbessert die Vorhersage der Leistung von 3D-gedrucktem Ti6Al4V" für unsere Leser?
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "Maschinelles Lernen verbessert die Vorhersage der Leistung von 3D-gedrucktem Ti6Al4V" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »Maschinelles Lernen verbessert die Vorhersage der Leistung von 3D-gedrucktem Ti6Al4V« bei Google Deutschland suchen, bei Bing oder Google News!