ترجمه فارسی مقاله رونمایی از پردازش--روابط خصوصیات در همجوشی بستر پودر لیزری: هم افزایی یادگیری ماشینی و آزمایش‌های با توان بالا

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Unveiling Processing--Property Relationships in Laser Powder Bed Fusion: The Synergy of Machine Learning and High-throughput Experiments
عنوان مقاله به فارسی رونمایی از پردازش--روابط خصوصیات در همجوشی بستر پودر لیزری: هم افزایی یادگیری ماشینی و آزمایش‌های با توان بالا
نویسندگان Mahsa Amiri, Zahra Zanjani Foumani, Penghui Cao, Lorenzo Valdevit, Ramin Bostanabad
فرمت مقاله انگلیسی PDF
تعداد صفحات 50
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Machine Learning,یادگیری ماشین ,
توضیحات Submitted 30 August, 2024; originally announced September 2024.
توضیحات به فارسی ارسال شده در 30 اوت 2024 ؛در ابتدا سپتامبر 2024 اعلام شد.
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Achieving desired mechanical properties in additive manufacturing requires many experiments and a well-defined design framework becomes crucial in reducing trials and conserving resources. Here, we propose a methodology embracing the synergy between high-throughput (HT) experimentation and hierarchical machine learning (ML) to unveil the complex relationships between a large set of process parameters in Laser Powder Bed Fusion (LPBF) and selected mechanical properties (tensile strength and ductility). The HT method envisions the fabrication of small samples for rapid automated hardness and porosity characterization, and a smaller set of tensile specimens for more labor-intensive direct measurement of yield strength and ductility. The ML approach is based on a sequential application of Gaussian processes (GPs) where the correlations between process parameters and hardness/porosity are first learnt and subsequently adopted by the GPs that relate strength and ductility to process parameters. Finally, an optimization scheme is devised that leverages these GPs to identify the processing parameters that maximize combinations of strength and ductility. By founding the learning on larger easy-to-collect and smaller labor-intensive data, we reduce the reliance on expensive characterization and enable exploration of a large processing space. Our approach is material-agnostic and herein we demonstrate its application on 17-4PH stainless steel.

چکیده به فارسی (ترجمه ماشینی)

دستیابی به خواص مکانیکی مورد نظر در تولید افزودنی نیاز به آزمایش های زیادی دارد و یک چارچوب طراحی به خوبی تعریف شده در کاهش آزمایشات و حفظ منابع بسیار مهم است.در اینجا ، ما یک متدولوژی را پیشنهاد می کنیم که هم افزایی بین آزمایشات با توان بالا (HT) و یادگیری ماشین سلسله مراتبی (ML) را برای پرده برداری از روابط پیچیده بین مجموعه بزرگی از پارامترهای فرآیند در فیوژن پودر لیزر (LPBF) و خواص مکانیکی انتخاب شده ارائه دهیم (Tensile)قدرت و انعطاف پذیری).روش HT ساخت نمونه های کوچک را برای سختی خودکار و توصیف تخلخل سریع و مجموعه ای کوچکتر از نمونه های کششی برای اندازه گیری مستقیم بیشتر نیروی کار از قدرت و انعطاف پذیری عملکرد پیش بینی می کند.رویکرد ML مبتنی بر یک کاربرد متوالی فرآیندهای گاوسی (GPS) است که در آن همبستگی بین پارامترهای فرآیند و سختی/تخلخل ابتدا آموخته می شود و متعاقباً توسط پزشکان عمومی اتخاذ می شود که قدرت و انعطاف پذیری را برای پردازش پارامترها مرتبط می کند.سرانجام ، یک طرح بهینه سازی ابداع شده است که از این GPS برای شناسایی پارامترهای پردازش که به حداکثر رساندن ترکیبات قدرت و انعطاف پذیری می پردازند ، استفاده می کند.با ایجاد یادگیری در مورد داده های بزرگتر جمع آوری و کوچکتر کار ، ما اعتماد به خصوصیات گران را کاهش داده و اکتشاف یک فضای پردازش بزرگ را فعال می کنیم.رویکرد ما مواد آگنوستیک است و در اینجا ما کاربرد آن را در فولاد ضد زنگ 17-4PH نشان می دهیم.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.