پیش بینی خواص مکانیکی در ساخت افزایشی با استفاده از هوش مصنوعی
- سال انتشار: 1403
- محل انتشار: پنجمین کنفرانس بین المللی هوش مصنوعی و چشم انداز آینده آن در علوم مهندسی برق ، کامپیوتر ، مکانیک و مخابرات
- کد COI اختصاصی: ICCPM05_067
- زبان مقاله: فارسی
- تعداد مشاهده: 59
نویسندگان
گروه ساخت و تولید، دانشکده مهندسی مکانیک، دانشگاه زنجان، زنجان، ایران
گروه ساخت و تولید، دانشکده مهندسی مکانیک، دانشگاه زنجان، زنجان، ایران
چکیده
فناوری چاپ سه بعدی با فرآیند ذوب انتخابی لیزری (SLM) در سالهای اخیر پیشرفت چشمگیری در تولید قطعات با دقت و خواص مکانیکی مطلوب فراهم کرده است. با این حال، پیشبینی رفتار مکانیکی این قطعات همچنان چالشی اساسی است. این پژوهش بررسی و پیشبینی رفتار مکانیکی قطعات ساخته شده از استیل ضدزنگ ۶۱۳ با استفاده از روش های یادگیری ماشین پرداخته است. داده ها شامل ۳۶ (نمونه از مقالات پژوهشی بودند که به دو بخش آموزشی ۰۸% و آزمایشی ۰۸%.) تقسیم شدند. الگوریتم های متعدد یادگیری ماشین شامل شبکه عصبی، رگرسیون بردار پشتیبان، رگرسیون خطی و درخت تصمیم مقایسه شدند. نتایج نشان داد که مدل شبکه عصبی با دقت ۶۳.۶۶%، R²=۰.۹ و خطاهای کم (MSE=۱۳۴.۷۵ و MAE=۸.۲۵) بهترین عملکرد را دارد، در حالی که درخت تصمیم با دقت ۱۶.۶۳% ضعیفترین بود. این مطالعه نشان می دهد که یادگیری ماشین ابزاری قدرتمند برای پیشبینی رفتار مکانیکی قطعات SLM است و پیشنهاداتی برای بهبود دقت ارائه می دهد.کلیدواژه ها
چاپ سه بعدی, یادگیری ماشین, خواص مکانیکی, پارامترهای فرایند SLMمقالات مرتبط جدید
- The Impact of Artificial Intelligence on Staff Training in Organizations
- هوش مصنوعی از گذشته تا حال حاضر و چشم انداز پیشروی آن
- Using genetic data to personalize content in social space with the help of CNN deep neural network
- مدلسازی بیومکانیکی مبتنی بر هوش مصنوعی: فرصت ها و چالش ها در توسعه تجهیزات پزشکی پیشرفته
- مقایسه سه مدل یادگیری ماشین در تشخیص بیماری قلبی: Logistic Regression ، Decision Tree ، Random Forest
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.