LEARNING
线弧增材制造焊道几何控制中的学习与自适应
Chen-Lung Lu, John Wen
- 发表年份
- 2026
- 引用次数
- 0
- 访问权限
- 开放获取
摘要
本文利用循环神经网络和一步预测控制方法，通过输入/输出数据学习数据驱动模型，用于机器人线弧增材制造的焊道几何控制。实验表明，该自适应框架能显著提高焊道高度和宽度的一致性，优于恒定输入和静态模型方法。
关键词
wire arc additive manufacturingrecurrent neural networkadaptive controlbead geometrydata-driven model
相关论文
LEARNING
📊 8,465 引用
The Organization of Behavior
D. O. Hebb
2005
LEARNING
📊 7,678 引用
Fractional Brownian Motions, Fractional Noises and Applications
Benoît B. Mandelbrot, John W. Van Ness
1968
LEARNING
开放获取📊 7,484 引用
Review of deep learning: concepts, CNN architectures, challenges, applications, future directions
Laith Alzubaidi, Jinglan Zhang, Amjad J. Humaidi 等 10 位作者
2021
LEARNING
📊 4,608 引用
A guide to deep learning in healthcare
Andre Esteva, Alexandre Robicquet, Bharath Ramsundar 等 10 位作者
2018