Neuronal networks as a means of quality assurance for plasma spraying

神经网络作为等离子喷涂质量保证的手段

• 批准号: 5323185
• 负责人: Professor Dr. Erich Lugscheider
• 金额: --
• 依托单位国家: 德国
• 项目类别: Research Grants
• 财政年份: 2001
• 资助国家: 德国
• 起止时间: 2000-12-31 至 2003-12-31
• 项目状态: 已结题
• 来源: https://gepris.dfg.de/gepris/projekt/5323185?language=en
• 关键词: Neuronal; networks; means; quality; assurance

Die Zahl der beim Thermischen Spritzen die Schichtqualität beeinflussenden Faktoren ist sehr groß. Die Schichtqualität wird dabei durch das komplexe Zusammenspiel dieser Einzelfaktoren bestimmt. Moderne Monitoringsysteme wie beispielsweise Brennerdiagnostik, In-Flight-Partikelpyrometrie, Thermographie liefern zahlreiche Messdaten, mit denen sich der Spritzprozess charakterisieren läßt. Zur Zeit werden aber nur wenige Parameter im Beschichtungsprozess kontrolliert. Das isolierte Betrachten einzelner Prozessparameter reicht nicht aus, um den Spritzprozess ausreichend zu charakterisieren, da die Zusammenhänge der verschiedenen Einflussfaktoren nicht erfasst werden. Eine Prognose der resultierenden Schichtqualität ist so nur bedingt möglich. Für den systematischen Einsatz moderner Monitoringsysteme im Bereich des Thermischen Spritzens - einzeln wie auch kombiniert - ist zur Zeit die Kenntnis der komplexen Zusammenhänge während des Beschichtungsprozesses notwendig. In diesem Forschungsvorhaben ist der Einsatz von neuronalen Netzen zur Qualitätssicherung beim Plasmaspritzen anhand der während des Beschichtungsprozesses messbaren Prozessparameter und zerstörungsfrei messbaren Schichteigenschaften vorgesehen. Dieses soll ohne die Kenntnis der einzelnen physikalischen Abhängigkeiten von Prozessparametern und Schichteigenschaften erreicht werden. Die neuronalen Netze werden mit in Versuchen gesammelten Daten angelernt.

Die Zahl der beim Thermischen Spritzen die Schichtqualität beeinflussenden Faktoren ist sehr groß。在最复杂的游戏中，所有的质量都是最佳的。现代监控系统包括 Brenner 诊断、飞行中分项高温测量、热成像技术，可提供 Spritzprozess 特性。 Zur Zeit werden aber nur wenige Parameter im Beschichtungsprozess kontrolliert。不同的工艺参数是不同的，在不同的特性中，工艺参数是不同的，并且是不同的。结果质量的预测就是如此。该系统是现代监控系统在热敏装置中的一种组合方式，它是一种复杂的组合方式，可实现非设计过程中的复杂性。在这个研究中，神经元网络的质量是等离子性质的，并且是研究过程中的过程参数和结果自由的过程。这是一个物理过程中的参数和结构的问题。神经元 Netze werden mit in Versuchen gesammelten Datenangelernt。