一种基于深度学习的在线实时预测构件状态的方法

    公开(公告)号:CN116070484A

    公开(公告)日:2023-05-05

    申请号:CN202310046440.X

    申请日:2023-01-31

    Abstract: 本发明公开一种基于深度学习的在线实时预测构件状态的方法,本发明首先采集不同工艺参数下熔池以及沉积层的尺寸形貌,并计算出材料从熔融态收缩至凝固状态产生的收缩量;再将采集到熔池和沉积层尺寸形貌、沉积层收缩量、工艺参数作为输入量,在有限元仿真中计算出制造中各点的应力值,并将这些参数作多信息特征融合处理后,输出制造过程中构件的实时应力值;通过大量的实验样本,得到其制造过程中实时应力曲线图和构件形貌图并一一对应,将样本分类为正常、变形、预裂和开裂四种状态,通过卷积神经网络训练,输出构件在制造过程中是何种状态。该方法可获得构建的应力和状态,有效解决制造过程出现变形、裂纹等缺陷以便及时调整和优化工艺参数。

    一种基于深度学习的在线实时预测构件状态的方法

    公开(公告)号:CN116070484B

    公开(公告)日:2024-12-06

    申请号:CN202310046440.X

    申请日:2023-01-31

    Abstract: 本发明公开一种基于深度学习的在线实时预测构件状态的方法,本发明首先采集不同工艺参数下熔池以及沉积层的尺寸形貌,并计算出材料从熔融态收缩至凝固状态产生的收缩量;再将采集到熔池和沉积层尺寸形貌、沉积层收缩量、工艺参数作为输入量,在有限元仿真中计算出制造中各点的应力值,并将这些参数作多信息特征融合处理后,输出制造过程中构件的实时应力值;通过大量的实验样本,得到其制造过程中实时应力曲线图和构件形貌图并一一对应,将样本分类为正常、变形、预裂和开裂四种状态,通过卷积神经网络训练,输出构件在制造过程中是何种状态。该方法可获得构建的应力和状态,有效解决制造过程出现变形、裂纹等缺陷以便及时调整和优化工艺参数。

Patent Agency Ranking