User: Guest  Login
More Searchfields
Simple search
Original title:
Monitoring and Optimizing the Surface Quality of Friction Stir Welds Using Machine Learning
Translated title:
Überwachung und Optimierung der Oberflächenqualität von Rührreibschweißnähten mittels Maschinellen Lernens
Author:
Hartl, Roman
Year:
2021
Document type:
Dissertation
Faculty/School:
TUM School of Engineering and Design
Advisor:
Zäh, Michael F. (Prof. Dr.)
Referee:
Zäh, Michael F. (Prof. Dr.); Burschka, Darius (Prof. Dr.)
Language:
en
Subject group:
DAT Datenverarbeitung, Informatik; FER Fertigungstechnik
Keywords:
friction stir welding, machine learning, surface quality, process monitoring, process optimization
Translated keywords:
Rührreibschweißen, maschinelles Lernen, Oberflächenqualität, Prozessüberwachung, Prozessoptimierung
TUM classification:
FER 000; WIR 000
Abstract:
The application of machine learning (ML) provides new possibilities for process monitoring and optimization in joining technologies. In this dissertation, ML was used to identify and optimize the surface properties of friction stir welds. It was also demonstrated that there exist correlations between the surface topography and the tensile strength of friction stir welds. These correlations can be utilized to determine the tensile strength non-destructively.
Translated abstract:
Die Anwendung maschinellen Lernens (ML) bietet in der Fügetechnik neue Möglichkeiten zur Prozessüberwachung und -optimierung. In dieser Dissertation wurde ML eingesetzt, um die Oberflächeneigenschaften von Rührreibschweißnähten zu identifizieren und zu optimieren. Zudem wurde gezeigt, dass bei Rührreibschweißnähten Zusammenhänge zwischen der Oberflächentopografie und der Zugfestigkeit existieren. Diese können genutzt werden, um die Zugfestigkeit zerstörungsfrei zu ermitteln.
WWW:
https://mediatum.ub.tum.de/?id=1609382
Date of submission:
19.04.2021
Oral examination:
18.10.2021
File size:
3956492 bytes
Pages:
149
Urn (citeable URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20211018-1609382-1-0
Last change:
02.11.2021
 BibTeX