Benutzer: Gast  Login
Mehr Felder
Einfache Suche
Originaltitel:
Monitoring and Optimizing the Surface Quality of Friction Stir Welds Using Machine Learning
Übersetzter Titel:
Überwachung und Optimierung der Oberflächenqualität von Rührreibschweißnähten mittels Maschinellen Lernens
Autor:
Hartl, Roman
Jahr:
2021
Dokumenttyp:
Dissertation
Fakultät/School:
TUM School of Engineering and Design
Betreuer:
Zäh, Michael F. (Prof. Dr.)
Gutachter:
Zäh, Michael F. (Prof. Dr.); Burschka, Darius (Prof. Dr.)
Sprache:
en
Fachgebiet:
DAT Datenverarbeitung, Informatik; FER Fertigungstechnik
Stichworte:
friction stir welding, machine learning, surface quality, process monitoring, process optimization
Übersetzte Stichworte:
Rührreibschweißen, maschinelles Lernen, Oberflächenqualität, Prozessüberwachung, Prozessoptimierung
TU-Systematik:
FER 000; WIR 000
Kurzfassung:
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.
Übersetzte Kurzfassung:
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
Eingereicht am:
19.04.2021
Mündliche Prüfung:
18.10.2021
Dateigröße:
3956492 bytes
Seiten:
149
Urn (Zitierfähige URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20211018-1609382-1-0
Letzte Änderung:
02.11.2021
 BibTeX