Verbesserte Prozesssimulation durch maschinelles Lernen beim Laser-Pulverbett-Fusionieren (LPBF) (LPBF)
Beschreibung
Das Projekt zielt darauf ab, spezielle Kalibrierungsverfahren und -teile zu entwickeln und zu implementieren, die auf kritische Anwendungen von ABB und Sauber zugeschnitten sind, um die Genauigkeit der Verformungsvorhersagen für bestimmte Komponenten zu verbessern. Anschließend wird maschinelles Lernen eingesetzt, um die Simulationen auch außerhalb des kalibrierten Bereichs zu verbessern. Diese Genauigkeit und Flexibilität sind entscheidend für die erfolgreiche Kompensation beliebiger Geometrien in der Industrie.Die prozesssimulationsgestützte Verzugskompensation wird eingesetzt, um die Produktivität und Rentabilität des Laser Powder Bed Fusion (LPBF) zu verbessern und die Durchlaufzeiten zu reduzieren. Es werden spezielle Kalibrierungsverfahren entwickelt und durch Methoden des maschinellen Lernens erweitert, um eine allgemeine Anwendbarkeit zu gewährleisten.
Eckdaten
Projektleitung
Stellv. Projektleitung
Projektteam
Bianca Egli, Matthias Huber, Ibrahim Kuon, Maurus Sonderegger
Projektpartner
ABB Schweiz AG; Sauber Engineering AG
Projektstatus
abgeschlossen, 08/2021 - 07/2024
Institut/Zentrum
Institut für Mechanische Systeme (IMES)
Drittmittelgeber
Innovationsprojekt / Projekt Nr. 50397.1 IP-ENG
Projektvolumen
690'307 CHF