期刊导航
期刊开放获取
上海教育软件发展有限公..
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
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
检索
高级检索
期刊导航
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：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于深度学习的钛合金电弧增材制造表面形貌缺陷分类识别与预测
1
作者
马明
郭鑫鑫
魏正英
《材料导报》
北大核心
2025年第13期230-236,共7页
针对钛合金电弧增材制造(WAAM)成形过程中的缺陷问题,分析成形中的咬边、孔洞、球化等形貌缺陷。首先探索试验中的工艺参数与缺陷的关联性,得到各个缺陷对应的工艺参数范围;再通过深度学习来诊断钛合金电弧增材制造成形过程中的缺陷,对...
针对钛合金电弧增材制造(WAAM)成形过程中的缺陷问题,分析成形中的咬边、孔洞、球化等形貌缺陷。首先探索试验中的工艺参数与缺陷的关联性,得到各个缺陷对应的工艺参数范围;再通过深度学习来诊断钛合金电弧增材制造成形过程中的缺陷,对咬边、孔洞、球化等形貌缺陷进行分类识别和预测。通过搜索法获取一定范围内的训练最佳超参数,对比四种不同的新型卷积神经网络架构(CNN)的分类性能,利用图像增强对成形过程的4404张缺陷图像进行分类识别训练;发现ConvNeXtV2模型分类准确率达99.06%,且训练时间与训练参数最少,综合表现性能最好,图片识别预测时间为4.03 ms,表明其能够用于后续的反馈控制,以达到提高钛合金电弧增材制造成形质量的目标。
展开更多
关键词
钛合金
电弧增材制造
卷积神经网络
形貌缺陷预测
在线阅读
下载PDF
职称材料
题名
基于深度学习的钛合金电弧增材制造表面形貌缺陷分类识别与预测
1
作者
马明
郭鑫鑫
魏正英
机构
西安交通大学精密微纳制造技术国家重点实验室
出处
《材料导报》
北大核心
2025年第13期230-236,共7页
基金
陕西省重点研发计划项目资助(2023-YBGY-109)。
文摘
针对钛合金电弧增材制造(WAAM)成形过程中的缺陷问题,分析成形中的咬边、孔洞、球化等形貌缺陷。首先探索试验中的工艺参数与缺陷的关联性,得到各个缺陷对应的工艺参数范围;再通过深度学习来诊断钛合金电弧增材制造成形过程中的缺陷,对咬边、孔洞、球化等形貌缺陷进行分类识别和预测。通过搜索法获取一定范围内的训练最佳超参数,对比四种不同的新型卷积神经网络架构(CNN)的分类性能,利用图像增强对成形过程的4404张缺陷图像进行分类识别训练;发现ConvNeXtV2模型分类准确率达99.06%,且训练时间与训练参数最少,综合表现性能最好,图片识别预测时间为4.03 ms,表明其能够用于后续的反馈控制,以达到提高钛合金电弧增材制造成形质量的目标。
关键词
钛合金
电弧增材制造
卷积神经网络
形貌缺陷预测
Keywords
titanium alloy
wire arc additive manufacturing
convolutional neural network
morphological defects
分类号
TG444 [金属学及工艺—焊接]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于深度学习的钛合金电弧增材制造表面形貌缺陷分类识别与预测
马明
郭鑫鑫
魏正英
《材料导报》
北大核心
2025
0
在线阅读
下载PDF
职称材料
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
确定
用户登录
登录
IP登录
使用帮助
返回顶部
