Melt pool instability in surface polishing by laser remelting: preliminary analysis and online monitoring with K-means clustering
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Surface polishing by laser remelting (SP-LRM) is a novel, versatile, high-speed, and low-cost advanced manufacturing technology for producing high-quality surface finishes. The process utilizes a high-power laser that delivers a large amount of instantaneous energy melting a superficial thin layer of material to a molten state. This allows the melt pool to flow driven by thermocapillary and surface tension forces. The target of the process is to melt, reallocate, and resolidify surface peaks into valleys in order to yield a low surface roughness (Sa). SP-LRM, complexity arises from instabilities occurring during laser-material interactions, resulting from non-linear thermodynamics, initial surface topography, overheating, abrupt changes in laser path trajectories involving acceleration and deceleration, and various other factors. These process instabilities significantly affect the attainment of a desired smooth final surface. Presently, the identification of anomalies resulting from a specific set of laser parameters in laser remelting (LRM) is performed offline by assessing the surface topography of LRM using optical profilometer and correlating it with surface non-uniformities that are indicative of process instabilities. This study streamlines the anomaly detection process and identifies the presence of irregularities using an unsupervised clustering machine learning (ML) technique, specifically K-means clustering. During the laser remelting (LRM) process, a high-speed near-infrared (NIR) camera captures relative thermal emission images, which are then classified into a minimum of three clusters using the K-means algorithm. These clusters correspond to positive and negative axial laser beam positions, indicating shifts in the laser spot on the image, and the stability states of laser-material interactions. Preliminary findings show promising results in the employment of artificial intelligence (AI) to enhance LRM as a conventional industrial technology for polishing and structuring tooling surfaces.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle