机器学习

下面是所有关联了此标签的内容

列表展示

详情展示

丝材电弧增材制造（WAAM）已成为大型结构件的一种重要金属增材制造（metal AM）方法，具有沉积速度快、材料利用效率高和机器人配置灵活等优势。然而，对于铝材而言，零件质量在很大程度上取决于工艺设置。

反对

11-06 18:43

来自弗吉尼亚理工大学、亚利桑那州立大学和爱荷华州立大学的研究人员获得了美国国家科学基金会（NSF）200万美元的资助，用于开发适用于极端温度应用的自润滑、耐磨金属合金。

反对

09-30 15:50

两所美国大学正联合自研一套多材料3D打印平台，可在单部件内同时沉积连续纤维与聚合物，并嵌入机器学习实时监控与反馈，以减少缺陷、优化工艺。设备计划向区域及全国研究机构开放，弥补商业机器空白。

反对

09-30 15:11

劳伦斯利弗莫尔实验室将摄像头与机器学习结合，在直写成型每层沉积后即时测量丝材直径与分布，提前发现断丝、倾斜等缺陷，并标记需CT检测的部件，未来可赋能数字孪生与自主判定。

反对

09-22 23:27

LLNL团队为直写成型工艺开发AI视觉检测系统，通过摄像头和机器学习在沉积时逐层分析图像，实时计算丝材直径等指标，精度达微米级，速度较人工提升约10万倍，还能发现平台倾斜等平均测量掩盖的问题，有望降低检测成本并推广至更多领域。

反对

09-17 21:18

增材制造需构建贯穿粉末、工艺、检测的零件级证据链，作为质量数据骨干。只有结构化、可追溯的数据环境，才能让AI学习可靠信号并提升可信度。先夯实可追溯性与标准化，再引入AI，才能实现受控智能与规模化应用。

反对

08-28 18:54

该合作研发协议（CRADA）是在实验室的先进制造合作中心安装3D Systems设备后达成的，并将涵盖核能部件。

反对

08-28 17:15

大尺寸金属增材制造公司iAM3D已推出LPW Z2500，这是一种激光定向能量沉积系统（L-DED），构建空间为2000 × 2000 × 2500 毫米。

反对

08-03 17:29

研究人员利用AI算法优化设计出特殊空腔结构的3D打印靶材，并通过创新增材制造工艺将其实现。实验验证该结构能有效重塑冲击波，抑制核聚变实验中的RMI不稳定性。此项工作首次证明此类AI优化设计可从模拟走向实体制造与验证，为惯性约束聚变靶材设计提供了新思路。

反对

04-17 17:50

该项目开发AI预测建模与本地化3D打印相结合的系统，通过分析儿童耳道生长数据提前制造适配耳模，解决因耳道发育频繁更换耳模的难题，推动全球听障儿童听力与语言康复发展。

反对

04-03 08:49