期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
机器学习在激光熔覆涂层缺陷检测中的研究现状与进展 被引量：2
1
作者 陈儒森 吉小超 +6 位作者 张梦清 于鹤龙 尹艳丽 周俊 魏敏 史佩京 张伟 《中国表面工程》 EI CAS CSCD 北大核心 2024年第5期112-137,共26页
机器学习作为人工智能领域的核心分支,通过算法分析数据,从中发现规律和模式,进而做出预测和决策,近年来在激光熔覆领域得到广泛应用。激光熔覆过程中形成的各类缺陷严重影响熔覆层的质量与性能,熔覆质量的可靠性与可重复性是激光熔覆... 机器学习作为人工智能领域的核心分支,通过算法分析数据,从中发现规律和模式,进而做出预测和决策,近年来在激光熔覆领域得到广泛应用。激光熔覆过程中形成的各类缺陷严重影响熔覆层的质量与性能,熔覆质量的可靠性与可重复性是激光熔覆技术面临的最大挑战。数据驱动的机器学习算法可用于激光熔覆过程监测与缺陷检测、反馈调控熔覆工艺、优化抑制熔覆缺陷,已成为本领域的研究热点。综述激光熔覆过程中产生的缺陷类型与成形机制,概述激光熔覆过程中产生的信号特征及其监测原理与手段,总结机器学习方法在激光熔覆过程中信号特征提取、缺陷分类识别与预测的研究进展,归纳缺陷检测的典型机器学习模型与算法。结果表明,机器学习算法可有效用于激光熔覆涂层缺陷检测,构建特征信号与涂层缺陷及熔覆工艺间的关系。目前研究采用的机器学习算法以监督学习算法为主,无监督和半监督学习算法对数据标注要求低,已在激光熔覆过程监测领域获得关注,并展现出巨大的潜力。研究结果为机器学习方法在激光熔覆领域的研究指出了热点与方向。 展开更多
关键词 激光熔覆 机器学习 缺陷检测 人工智能
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部