基于人工神经网络的喷丸成形图形的有效规划
Efficient planning of peen-forming patterns via artificial neural networks
摘要：
喷丸成形过程的鲁棒自动化需要闭环反馈，其中需要为每次处理迭代实时找到合适的处理模式。在这项工作中，我们提出了一种方法，用于寻找喷丸成形图案，基于神经网络（NN），学习的非线性函数，涉及一个给定的目标形状（输入），其最佳喷丸图案（输出），从有限元模拟产生的数据。训练后的神经网络产生的模式的平均二进制精度为98.8%的地面真理在微秒。
英文摘要：
Robust automation of the shot peen forming process demands a closed-loop feedback in which a suitable treatment pattern needs to be found in real-time for each treatment iteration. In this work, we present a method for finding the peen-forming patterns, based on a neural network (NN), which learns the nonlinear function that relates a given target shape (input) to its optimal peening pattern (output), from data generated by finite element simulations. The trained NN yields patterns with an average binary accuracy of 98.8\% with respect to the ground truth in microseconds.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
