چکیده مقاله
رسوب نشانی مستقیم انرژی DED به تدریج به عنوان یک فناوری بسیار امیدبخش برای ساخت سریع، مقرون به صرفه و با عملکرد بالا قطعات فلزی با قابلیت پردازش دشوار و چرخه تولید کوتاه تر ظاهر شده است این فناوری که به عنوان یکی از پرکاربردترین روش های ساخت افزایشی فلزات شناخته می شود، کاربردهای گسترده ای در بخش های حیاتی صنعتی مانند هوافضا و هوانوردی یافته است با وجود پتانسیل بالای آن، چالش هایی مانند کیفیت ناهمگون قطعات و تکرارپذیری پایین فرایند مانع از پذیرش گسترده تر آن شده است مسئله اصلی زیربنایی این چالش ها ماهیت پیچیده و پویای فرآیند DED است که شامل همزمانی هماهنگ سازی سیستم حلقه بسته و هوش مصنوعی چندین میدان فیزیکی می باشد در این میان، حوضچه مذاب نقشی محوری ایفا می کند و به عنوان حاملی کلیدی، اطلاعات غنی از ویژگی های فرآیند را در خود جای می دهد مشخصه های پویای حوضچه مذاب به طور ذاتی با کیفیت نهایی قطعه و تکرارپذیری فرآیند مرتبط است در نتیجه ادغام روش های یادگیری ماشین ML در چارچوب پایش می تواند پشتیبانی قدرتمندی مبتنی بر داده را برای ارتقای کیفیت محصول و ثبات فرآیند فراهم کند این مقاله مروری جامع بر پیشرفت های پژوهشی و روندهای آتی در پایش و کنترل پویای ویژگی های حوضچه مذاب در فرآیندهای DED ارائه می دهد که توسط تکنیک های یادگیری ماشین پشتیبانی می شوند
کلیدواژهها
نویسندگان
محمد گواهیان جهرمی
دانشگاه صنعتی مالک اشتر مجتمع دانشگاهی مواد و فناوری های ساخت
Mohammad Erfanmanesh
دانشگاه صنعتی مالک اشتر مجتمع دانشگاهی مواد و فناوری های ساخت
شیوه ارجاع
گواهیان جهرمی، محمد و عرفان منش، محمد،1404،مروری بر پایش حوضچه مذاب در فرایندهای DED-Metal از طریق کنترل سیستم حلقه بسته و هوش مصنوعی،هشتمین کنفرانس بین المللی جوشکاری و آزمایش های غیرمخرب، بیست و ششمین کنفرانس ملی جوش و بازرسی، پانزدهمین کنفرانس ملی آزمایش های غیرمخرب و چهارمین کنفرانس ملی ساخت افزایشی،تهران
ارائهشده در
مجموعه مقالات هشتمین کنفرانس بین المللی جوشکاری و آزمایش های غیرمخرب، بیست و ششمین کنفرانس ملی جوش و بازرسی، پانزدهمین کنفرانس ملی آزمایش های غیرمخرب و چهارمین کنفرانس ملی ساخت افزایشی20 بهمن 1404 · تهران