Physics-informed machine learning-based real-time long-horizon temperature fields prediction in metallic additive manufacturing

Uloženo v:

Podrobná bibliografie
Vydáno v:	Communications Engineering vol. 4, no. 1 (Dec 2025), p. 168
Hlavní autor:	Tian, Mingxuan
Další autoři:	Mu, Haochen, Liu, Tao, Li, Mengjiao, Ding, Donghong, Zhao, Jianping
Vydáno:	Springer Nature B.V.
Témata:	Temperature distribution Finite element method Finite volume method Accuracy Fluid dynamics Parameter identification Quality assurance Boundary conditions Data processing Manufacturing Machine learning Low carbon steel Additive manufacturing Efficiency Simulation Physics Partial differential equations Residual stress Temperature Neural networks Process controls Recurrent neural networks Data collection Finite element analysis Errors Real time
On-line přístup:	Citation/Abstract Full Text Full Text - PDF
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!

Buďte první, kdo okomentuje tento záznam!