×
王超;李少凡;曾丹妮尔;朱新海

添加剂制造中热变形的量化和补偿：一种计算统计方法。 （英文） Zbl 1506.74244号

计算。方法应用。机械。工程师。 375，文章ID 113611，21 p.（2021）.
总结：在这项工作中，我们开发了一种计算概率方法来量化永久（非零应变）连续体/材料变形。与基于物理的建模不同，这里开发的方法基于数据驱动的统计方法，解决了这个问题，而不需要物理变形过程的信息。该方法仅依赖于热变形配置的扫描材料数据以及初始设计配置的形状。我们将这种基于人工智能的算法称为材料变形检测（MDF）算法。在这项工作中，MDF算法首先通过一个二维合成示例进行了验证。然后，我们证明了所提出的MDF方法可以准确地找到复杂3D打印结构部件的永久热变形，从而识别热补偿设计配置。这项工作获得的结果表明，可以使用这种数据驱动的统计方法显著减轻添加剂制造中3D打印产品的热变形。

引用于5文件

MSC公司：

74N20型 固体相界动力学
74S60系列 应用于固体力学问题的随机和其他概率方法

关键词：

3D打印;人工智能;添加剂制造;相干点漂移法;数据驱动模型;智能制造

软件：

DistMesh（分布式网格）
PDF格式BibTeX公司 XML格式引用
\textit{C.Wang}等人，计算。方法应用。机械。工程375，文章ID 113611，21 p.（2021；Zbl 1506.74244）
全文： 内政部

参考文献：

[1] Herzog，D。；塞达·V。；Wycisk，E。；Emmelmann，C.，金属添加剂制造，材料学报。，117, 371-392 (2016)
[2] 坎贝尔，T。；威廉姆斯，C。；O.伊万诺娃。；Garrett，B.，《3D打印能否改变世界》，（《技术、潜力和增材制造的影响》，第3卷（2011年），大西洋理事会：大西洋理事会华盛顿特区）
[3] Beaman，J。；Bourell，D。；Wallace，D.，《增材制造（AM）和3D打印》，J.Manuf.Sci。工程，136，6（2014）
[4] Melchels，F.P。；Feijen，J。；Grijpma，D.W.，立体光刻及其在生物医学工程中的应用综述，生物材料，31，2416121-6130（2010）
[5] Mueller，B.，《增材制造技术——快速原型设计指导数字制造》，Assem。自动。(2012)
[6] Wong，K.V。；Hernandez，A.，《添加剂制造综述》，国际化学学会。Res.Not.，不适用。，2012年（2012年）
[7] 刘，Z。；贝萨，M。；Liu，W.，自洽聚类分析：非弹性非均匀材料的有效多尺度方案，计算。方法应用。机械。工程师，306319-341（2016）·Zbl 1436.74070号
[8] 贝萨，M。；博斯塔纳巴德，R。；刘，Z。；胡，A。；阿普利，D。；布林森，C。；Chen，W。；Liu，W.，《不确定性下材料的数据驱动分析框架：对抗维度诅咒》，计算。方法应用。机械。工程，320，633-667（2017）·Zbl 1439.74014号
[9] Yan，W。；Lin，S。；O.卡夫卡。；Lian，Y。；Yu，C。；刘，Z。；严，J。；沃尔夫，S。；Wu，H。；Ndip Agbor，E。；Mozaffar，M.，数据驱动的多尺度多物理模型，用于推导加法制造的过程-结构-性能关系，计算。机械。，61, 5, 521-541 (2018) ·Zbl 1471.74081号
[10] Wang，W。；Cheah，C。；Fuh，J。；Lu，L.，工艺参数对立体光刻零件收缩率的影响，马特。设计。，17, 4, 205-213 (1996)
[11] 比格勒，M。；格拉芙，B。；Rethmeier，M.，LMD添加剂制造壁的In-situ变形可以通过数字图像相关性进行测量，并使用数值模拟进行预测，Addit。制造，20，101-110（2018）
[12] 海格尔，J。；Michaleris，P。；Palmer，T.，《Inconel®625激光熔覆变形的现场监测和表征》，J.Mater工艺。技术。，220, 135-145 (2015)
[13] 邓巴，A.J。；Denlinger，E.R。；Gouge，M.F。；Michaleris，P.，激光粉末床熔化变形有限元建模的实验验证，Addit。制造，12，108-120（2016）
[14] Arrazola，P。；奥泽尔，T。；Umbrello，D。；戴维斯，M。；Jawahir，I.，《金属加工过程建模的最新进展》，CIRP Ann.，62，2，695-718（2013）
[15] Mukherjee，T。；张伟。；DebRoy，T.，《添加剂制造中残余应力和变形的改进预测》，计算。马特。科学。，126, 360-372 (2017)
[16] 乙型念珠菌炎。；Chantzis博士。；Salonitis，K.，《用有限元法模拟金属粉末床添加剂制造过程：评论》，Proc。仪器机械。工程B，231,196-117（2017）
[17] 李，J。；金·R。；Hang，Z.Y.，《添加剂制造中基于物理和数据驱动的热场预测方法的集成》，马特。设计。，139, 473-485 (2018)
[18] 黄，Q。；张杰。；Sabbaghi，A。；Dasgupta，T.，三维打印过程形状收缩的最佳离线补偿，IIE Trans。，47, 5, 431-441 (2015)
[19] Huang，Q.，《添加剂制造中三维形状变形最佳补偿的分析基础》，J.Manuf.Sci。工程，138，6（2016）
[20] 朱，Z。；Anwer，北。；黄，Q。；Mathieu，L.，《添加剂制造公差的机器学习》，CIRP Ann.，67，1，157-160（2018）
[21] 费雷拉，R.d.S.B。；Sabbaghi，A。；Huang，Q.，通过贝叶斯神经网络对可添加制造系统进行自动几何形状偏差建模，IEEE Trans。自动。科学。工程，17，2，584-598（2019）
[22] 弗朗西斯，J。；Bian，L.，利用大数据对基于激光的添加剂制造中的畸变预测进行深度学习，制造业快报。，20, 10-14 (2019)
[23] Myronenko，A。；Song，X.，点集注册：相干点漂移，IEEE Trans。模式分析。机器。智力。，32262-2275（2010年）
[24] 梅塞利，B。；顾毅。；Gao，H.，点集注册方法的最新发展和趋势，J.Vis。Commun公司。图像表示。，46, 95-106 (2017)
[25] Myung，I.J.，《最大似然估计教程》，J.Math。心理医生。，47, 1, 90-100 (2003) ·Zbl 1023.62112号
[26] 卡塞拉，G。；Berger，R.L.，《统计推断》，第2卷（2002年），达克斯伯里太平洋林区：加利福尼亚州达克斯伯里太平洋林区
[27] DeGroot，M.H.，《概率与统计》（1986），04；QA273，D4 1986年·Zbl 0619.62001号
[28] Reynolds，D.A.，高斯混合模型，《生物统计学百科全书》，第741页（2009年）
[29] Dempster，A.P。；新墨西哥州莱尔德。；Rubin，D.B.，《通过EM算法从不完整数据中获得最大似然》，J.R.Stat.Soc.Ser。B统计方法。，39, 1, 1-22 (1977) ·Zbl 0364.62022号
[30] Bishop，C.M.，《模式识别的神经网络》（1995），牛津大学出版社
[31] Myronenko，A。；宋，X。；Carreira Perpinán，M.，非刚性点集配准：相干点漂移，（神经信息处理系统进展（2007）），1009-1016
[32] 佩尔松，P.-O。；Strang，G.，MATLAB中的简单网格生成器，SIAM Rev.，46，2，329-345（2004）·Zbl 1061.65134号
[33] 李，S。；Liu，W.K.，无网格和粒子方法及其应用，应用。机械。修订版，55，1，1-34（2002）
[34] 刘，G.-R。；Liu，M.B.，《平滑粒子流体动力学：无网格粒子方法》（2003），《世界科学》·Zbl 1046.76001号
[35] Schölkopf，B。；Herbrich，R。；Smola，A.J.，《广义代表定理》（计算学习理论国际会议（2001），施普林格），416-426·Zbl 0992.68088号
[36] Altman，N.S.，《核和最近邻非参数回归简介》，Amer。统计人员。，46175-185（1992年）
[37] Dudani，S.A.，距离加权k近邻规则，IEEE Trans。系统。人类网络。，4, 325-327 (1976)
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。