Machine Learning Algorithm for Fatigue Fields in Additive Manufacturing (eBook)
XXXVIII, 255 Seiten
Springer Fachmedien Wiesbaden (Verlag)
978-3-658-40237-2 (ISBN)
Fatigue failure of structures used in transportation, industry, medical equipment, and electronic components needs to build a link between cutting-edge experimental characterization and probabilistically grounded numerical and artificially intelligent tools. The physics involved in this process chain is computationally prohibitive to comprehend using traditional computation methods. Using machine learning and Bayesian statistics, a defect-correlated estimate of fatigue strength was developed. Fatigue, which is a random variable, is studied in a Bayesian-based machine learning algorithm. The stress-life model was used based on the compatibility condition of life and load distributions. The defect-correlated assessment of fatigue strength was established using the proposed machine learning and Bayesian statistics algorithms. It enabled the mapping of structural and process-induced fatigue characteristics into a geometry-independent load density chart across a wide range of fatigue regimes.
Mustafa Mamduh Mustafa Awd heads the Workgroup Modeling and Simulation at the Chair of Materials Test Engineering (WPT). He deals with the problem of multiscale numerical analysis of the effect of microstructural heterogeneities on fatigue strength by adapting quantum mechanical methods and data-driven algorithms alongside numerical optimization. The developed general-purpose models help increase the structural stability and production efficiency of modern manufacturing processes.
| Erscheint lt. Verlag | 1.1.2023 |
|---|---|
| Reihe/Serie | Werkstofftechnische Berichte │ Reports of Materials Science and Engineering | Werkstofftechnische Berichte │ Reports of Materials Science and Engineering |
| Zusatzinfo | XXXVIII, 255 p. 143 illus. Textbook for German language market. |
| Sprache | englisch |
| Themenwelt | Mathematik / Informatik ► Informatik |
| Schlagworte | Additive Manufacturing • Bayesian Statistics • fatigue strength • fracture mechanics • machine learning • Numerical modelling |
| ISBN-10 | 3-658-40237-7 / 3658402377 |
| ISBN-13 | 978-3-658-40237-2 / 9783658402372 |
| Haben Sie eine Frage zum Produkt? |
PDF (Wasserzeichen)DRM: Digitales Wasserzeichen
Dieses eBook enthält ein digitales Wasserzeichen und ist damit für Sie personalisiert. Bei einer missbräuchlichen Weitergabe des eBooks an Dritte ist eine Rückverfolgung an die Quelle möglich.
Dateiformat: PDF (Portable Document Format)
Mit einem festen Seitenlayout eignet sich die PDF besonders für Fachbücher mit Spalten, Tabellen und Abbildungen. Eine PDF kann auf fast allen Geräten angezeigt werden, ist aber für kleine Displays (Smartphone, eReader) nur eingeschränkt geeignet.
Systemvoraussetzungen:
PC/Mac: Mit einem PC oder Mac können Sie dieses eBook lesen. Sie benötigen dafür einen PDF-Viewer - z.B. den Adobe Reader oder Adobe Digital Editions.
eReader: Dieses eBook kann mit (fast) allen eBook-Readern gelesen werden. Mit dem amazon-Kindle ist es aber nicht kompatibel.
Smartphone/Tablet: Egal ob Apple oder Android, dieses eBook können Sie lesen. Sie benötigen dafür einen PDF-Viewer - z.B. die kostenlose Adobe Digital Editions-App.
Buying eBooks from abroad
For tax law reasons we can sell eBooks just within Germany and Switzerland. Regrettably we cannot fulfill eBook-orders from other countries.
aus dem Bereich
