基于X射线计算机断层扫描数据的人工智能无接触制造工艺协议预测
计算机与社会
2025-01-27 v1 人工智能
摘要
制造制造（AM）工艺制造部件的质量取决于所使用的工艺参数，因此需要进行优化以实现合适的质量。提出了一种方法，用于无需人工干预即可设置这些参数。该方法利用人工智能（AI）实现完全自动化，具备通过进一步吸收训练数据来自主训练合适AI模型的能力。本研究包括三种商业可用的3D打印机，用于基于材料喷出（MEX）AM工艺的软质材料打印。样品采用六种不同的AM工艺参数制造，通过变化层厚度和喷嘴速度获得。方法论的新颖之处在于将AI基于图像分割步骤纳入决策阶段，该步骤使用来自无损检测（NDT）方法的质量检查训练数据。对训练好的AI模型性能进行了与两种基于经典阈值法的软件工具的比较。AI基于NDT评估和AI分割数据训练的人工神经网络（ANN）模型用于自动选择优化后的工艺参数。AI模型达到99.3%的准确率，而最佳可用的商业经典图像方法为83.44%。ANN训练的最佳R值为0.82。MEX工艺相对于设计的孔隙误差为22.06%。本文提出并验证了使用NDT数据训练的两个AI模型集成到一系列管道中的最佳工艺参数。
关键词
引用
@article{arxiv.2501.14305,
title = {A Zero-Shot LLM Framework for Automatic Assignment Grading in Higher Education},
author = {Calvin Yeung and Jeff Yu and King Chau Cheung and Tat Wing Wong and Chun Man Chan and Kin Chi Wong and Keisuke Fujii},
journal= {arXiv preprint arXiv:2501.14305},
year = {2025}
}