Jan Niclas EschnerEntwicklung einer akustischen Prozessüberwachung zur Porenbestimmung im Laserstrahlschmelzen | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
ISBN: | 978-3-8440-7966-1 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Reihe: | Forschungsberichte aus dem wbk, Institut für Produktionstechnik, Karlsruher Institut für Technologie (KIT) Herausgeber: Prof. Dr.-Ing. Jürgen Fleischer, Prof. Dr.-Ing. Gisela Lanza und Prof. Dr.-Ing. habil. Volker Schulze Karlsruhe | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Band: | 243 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Schlagwörter: | Additive Fertigung; Prozessüberwachung; Acoustic Emission; Maschinelles Lernen | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Publikationsart: | Dissertation | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Sprache: | Deutsch | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Seiten: | 246 Seiten | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Abbildungen: | 66 Abbildungen | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Gewicht: | 323 g | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Format: | 21 x 14,8 cm | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Bindung: | Paperback | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Preis: | 49,80 € | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Erscheinungsdatum: | April 2021 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Kaufen: | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Download: | Verfügbare Online-Dokumente zu diesem Titel: Sie benötigen den Adobe Reader, um diese Dateien ansehen zu können. Hier erhalten Sie eine kleine Hilfe und Informationen, zum Download der PDF-Dateien. Bitte beachten Sie, dass die Online-Dokumente nicht ausdruckbar und nicht editierbar sind.
Benutzereinstellungen für registrierte Online-Kunden Sie können hier Ihre Adressdaten ändern sowie bereits georderte Dokumente erneut aufrufen.
| ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Weiterempfehlung: | Sie möchten diesen Titel weiterempfehlen? | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Rezensionsexemplar: | Hier können Sie ein Rezensionsexemplar bestellen. | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Verlinken: | Sie möchten diese Seite verlinken? Hier klicken. | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Export Zitat: |
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Zusammenfassung: | Gegenstand der vorliegenden Arbeit ist die Entwicklung einer prozessintegrierten Messtechnik für das Laserstrahlschmelzen (L-PBF). Prozessintegrierte Messtechnik kann einen wesentlichen Beitrag zur Steigerung der Wirtschaftlichkeit und damit der Verbreitung der industriellen Anwendung des L-PBF leisten. Bisherige Ansätze weisen Defizite bei der Erkennung von prozesstypischen Defekten auf. Diese Ansätze konzentrieren sich dabei auf die Verwendung optischer Sensorprinzipien und vernachlässigen andere Sensorprinzipien wie z. B. akustische Sensoren. Vorarbeiten aus ähnlichen Prozessen wie dem Laserschweißen zeigen vielversprechende Ergebnisse für akustische Sensorprinzipien zur Erkennung von prozesstypischen Fehlern. Bestehende Ansätze zur Verwendung akustischer Sensorprinzipien in L-PBF existieren, beschränken sich aber auf luftgebundene akustische Emissionen. Sensorprinzipien zum Aufzeichnen von strukturgebundenen akustischen Emissionen versprechen demgegenüber prinzipbedingte Vorteile bei der Detektion von inneren Defekten wie Poren.
Gegenstand dieser Arbeit ist die Entwicklung eines Ansatzes, der das Erfassen und Auswerten von strukturgebundenen akustischen Signalen im L-PBF Prozess erlaubt, um prozesstypische Porendefekte zu erkennen. Hierfür wird eine datengetriebene Modellbildung mit Methoden des maschinellen Lernens verfolgt. Um die entsprechenden Modelle zu trainieren werden entsprechende Datensätze generiert, geeignete Merkmalsextraktionen für die Verarbeitung der akustischen Daten definiert und Methoden des maschinellen Lernens ausgewählt. Mit den gefundenen und trainierten Modellen ist es möglich, die Porosität anhand des akustischen Signals des Prozesses vorherzusagen. |