基于数字孪生驱动的深度学习框架，研究激光熔化过程中孔隙率的实时预测方法

《MECHANICAL SYSTEMS AND SIGNAL PROCESSING》：Study on real-time prediction for porosity in laser melting based on a digital twin-driven deep learning framework

　　

戴园马 | 西远城 | 钟一罗 | 于杰邓 | 孟秋杜 | 刘世述 | 平江 | 霍王 | 卢王

• •
  基于激光熔化原理，提出了一种用于在线监测孔隙率的DTDLF方法。
• •
  通过传感与仿真的结合，获取目标明确的数字孪生数据。
• •
  实现了基于SAE的融合特征与孔隙率之间的高度相关性。
• •
  在感知-物理领域采用多保真度DNN技术，显著提升了测量精度。