基于机器学习的数字孪生技术，用于大规模增材制造中的实时温度预测和自适应过程控制

《JOURNAL OF MANUFACTURING SYSTEMS》：Machine learning-driven digital twin for real-time temperature prediction and adaptive process control in large-scale additive manufacturing

　　

Bahman Nouri Rahmat Abadi|Jesper Henri Hattel|Ali Sarhadi

• •
  用于LSAM的有限差分热模型，经实验验证，误差控制在5%以内。
• •
  层间温度对层间粘接性和打印质量有显著影响。
• •
  开发了用于数字孪生中的实时温度预测的机器学习（ML）模型。
• •
  数据驱动的数字孪生技术实现了实时温度监测和自适应控制。
• •
  数字孪生技术能够实现所需的层间温度和光栅宽度。