Please use this identifier to cite or link to this item: http://earchive.tpu.ru/handle/11683/70667
Title: Разработка оборудования и технологии электронно-лучевого сплавления
Authors: Ханьa, Ц.
Юсупов, Р. И.
Федоров, Василий Викторович
metadata.dc.contributor.advisor: Клименов, Василий Александрович
Keywords: аддитивные технологии; электронно-лучевое оборудование; порошки; проволока; титановые сплавы; структура; свойства; математическое моделирование; машинное обучение; электронно-лучевое сплавление; additive manufacturing; electron-beam equipment; powders and wires of titanium alloys; structure and properties; mathematical modeling; machine learning
Issue Date: 2022
Publisher: Томский политехнический университет
Citation: Ханьa, Ц. Разработка оборудования и технологии электронно-лучевого сплавления / Ц. Ханьa, Р. И. Юсупов, В. В. Федоров ; науч. рук. В. А. Клименов // Прогрессивные технологии и экономика в машиностроении : сборник трудов XIII Всероссийской научно-практической конференции для студентов и учащейся молодежи, 7-9 апреля 2022 г., Юрга. — Томск : Изд-во ТПУ, 2022. — [С. 9-11].
Abstract: В статье описываются особенности разработки оборудования и технологии электронно-лучевого селективного сплавления порошка и послойного сплавления проволоки на основе комплексного применения металлургических подходов, автоматизации и математического моделирования условий формирования материала. Показано, что многоуровневый подход в исследовании физических процессов и структуры имеет большие сложности и не позволяет оценить макродефекты и их влияние на качество изделия. Рассматриваются возможности машинного обучения для оценки качества формируемого изделия.
The article describes the features of the development of equipment and technology for electron-beam selective fusion of powder and layer-by-layer fusion of wire based on the integrated application of metallurgical approaches, automation, and mathematical modeling of material formation conditions. It is shown that a multilevel approach to the study of physical processes and structure is very complex and does not allow assessing macrodefects and their impact on product quality. The possibilities of machine learning for assessing the quality of the formed product are considered.
URI: http://earchive.tpu.ru/handle/11683/70667
Appears in Collections:Материалы конференций

Files in This Item:
File Description SizeFormat 
conference_tpu-2022-C57_p9-11.pdf114 kBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.