Zitierlink:
https://doi.org/10.48441/4427.2031
Verlagslink DOI: | 10.1007/s40194-024-01855-w |
Titel: | Feasibility study on machine learning methods for prediction of process‑related parameters during WAAM process using SS‑316L filler material |
Sprache: | Englisch |
Autorenschaft: | Subadra, Sharath P. Mayer, Eduard Wachtel, Philipp Sheikhi, Shahram |
Erscheinungsdatum: | 31-Okt-2024 |
Verlag: | Springer |
Zeitschrift oder Schriftenreihe: | Welding in the world |
Zeitschriftenband: | 68 |
Zeitschriftenausgabe: | 12 |
Anfangsseite: | 3205 |
Endseite: | 3214 |
Projekt: | Lebensdauersteigerung von additive gefertigten (DED) Bauteilen mittels hybrider Fertigungsverfahren |
Zusammenfassung: | The geometry of objects by means of wire arc additive manufacturing technology (WAAM) is a function of the quality of the deposited layers. The process parameters variation and heat flow affect the geometric precision of the parts, when compared to the actual dimensions. Therefore, in situ geometry monitoring which is integrated in such a way to enable a backward control model is essential in the ... |
URI: | https://hdl.handle.net/20.500.12738/16520 |
DOI: | 10.48441/4427.2031 |
ISSN: | 1878-6669 |
Begutachtungsstatus: | Diese Version hat ein Peer-Review-Verfahren durchlaufen (Peer Review) |
Einrichtung: | Department Maschinenbau und Produktion Fakultät Technik und Informatik Forschungs- und Transferzentrum Intelligent Industrial Innovations |
Dokumenttyp: | Zeitschriftenbeitrag |
Sponsor / Fördernde Einrichtung: | Forschungszentrum Jülich Bundesministerium für Wirtschaft und Klimaschutz |
Enthalten in den Sammlungen: | Publications with full text |
Dateien zu dieser Ressource:
Datei | Beschreibung | Größe | Format | |
---|---|---|---|---|
s40194-024-01855-w.pdf | 1.68 MB | Adobe PDF | Öffnen/Anzeigen |
Feedback zu diesem Datensatz
Export
Diese Ressource wurde unter folgender Copyright-Bestimmung veröffentlicht: Lizenz von Creative Commons