- Nur online erhältlich
- Neu
Die additive Fertigung, insbesondere das Laserstrahlschmelzen (L-PBF), bietet große Vorteile, verursacht jedoch prozessbedingte Defekte wie Poren, Bindefehler und Oberflächenunregelmäßigkeiten, die die Ermüdungsfestigkeit verringern. Zur Bewertung dieser Einflüsse werden Methoden des maschinellen Lernens (ML) und physikalisch informierte ML-Modelle (PIML) eingesetzt. PIML kombiniert Gradient Boosted Trees mit den physikalischen Modellen nach Paris und Murakami, um die Lebensdauer von L-PBF-gefertigten AISI 316L-Proben vorherzusagen. Die Modelle werden mit beobachteten Defektgrößen trainiert und können künftig mit CT-Daten zur Lebensdauervorhersage genutzt werden.
Datenschutzbedingungen (bearbeiten im Modul "Kundenvorteile")
Lieferbedingungen (bearbeiten im Modul "Kundenvorteile")
Rücksendebedingungen (bearbeiten im Modul "Kundenvorteile")
Die additive Fertigung, insbesondere das Laserstrahlschmelzen (L-PBF), bietet große Vorteile, verursacht jedoch prozessbedingte Defekte wie Poren, Bindefehler und Oberflächenunregelmäßigkeiten, die die Ermüdungsfestigkeit verringern. Zur Bewertung dieser Einflüsse werden Methoden des maschinellen Lernens (ML) und physikalisch informierte ML-Modelle (PIML) eingesetzt. PIML kombiniert Gradient Boosted Trees mit den physikalischen Modellen nach Paris und Murakami, um die Lebensdauer von L-PBF-gefertigten AISI 316L-Proben vorherzusagen. Die Modelle werden mit beobachteten Defektgrößen trainiert und können künftig mit CT-Daten zur Lebensdauervorhersage genutzt werden.