مروری بر پایش حوضچه مذاب در فرایند‌های ded-metal از طریق کنترل سیستم حلقه بسته و هوش‌مصنوعی

رسو‌ب‌نشانی مستقیم انرژی ded به تدریج به عنوان یک فناوری بسیار امیدبخش برای ساخت سریع، مقرون‌به‌صرفه و با عملکرد بالا قطعات فلزی با قابلیت پردازش دشوار و چرخه تولید کوتاه‌تر ظاهر شده است. این فناوری که به عنوان یکی از پرکاربردترین روش‌های ساخت افزایشی فلزات شناخته می‌شود، کاربردهای گسترده‌ای در بخش‌های حیاتی صنعتی مانند هوافضا و هوانوردی یافته است. با وجود پتانسیل بالای آن، چالش‌هایی مانند کیفیت ناهمگون قطعات و تکرارپذیری پایین فرآیند، مانع از پذیرش گسترده‌تر آن شده است. مسئله اصلی زیربنایی این چالش‌ها، ماهیت پیچیده و پویای فرآیند ded است که شامل هم‌زمانی (هماهنگ‌سازی سیستم حلقه بسته و هوش‌مصنوعی) چندین میدان فیزیکی می‌باشد. در این میان، حوضچه مذاب نقشی محوری ایفا می‌کند و به عنوان حاملی کلیدی، اطلاعات غنی از ویژگی‌های فرآیند را در خود جای می‌دهد. مشخصه‌های پویای حوضچه مذاب به طور ذاتی با کیفیت نهایی قطعه و تکرارپذیری فرآیند مرتبط است. در نتیجه، ادغام روش‌های یادگیری ماشین (ml) در چارچوب پایش می‌تواند پشتیبانی قدرتمندی مبتنی بر داده را برای ارتقای کیفیت محصول و ثبات فرآیند فراهم کند. این مقاله مروری جامع بر پیشرفت‌های پژوهشی و روندهای آتی در پایش و کنترل پویای ویژگی‌های حوضچه مذاب در فرآیندهای ded ارائه می‌دهد که توسط تکنیک‌های یادگیری ماشین پشتیبانی می‌شوند. این مقاله مروری جامع بر پیشرفت‌های پژوهشی و روندهای آتی در پایش و کنترل پویای ویژگی‌های حوضچه مذاب در فرآیندهای ded ارائه می‌دهد که توسط تکنیک‌های یادگیری ماشین پشتیبانی می‌شوند.