h1

h2

h3

h4

h5
h6

SFB 1120 T10

KI-basierte Bahnplanungsop-timierung für Laserschweißprozesse (T10) (T10)

CoordinatorProfessor Dr.-Ing. Johannes Henrich Schleifenbaum
Grant period2026 -
Funding bodyDeutsche Forschungsgemeinschaft
 DFG
IdentifierG:(GEPRIS)563331343

⇧ SFB 1120 Bauteilpräzision durch Beherrschung von Schmelze und Erstarrung in Produktionsprozessen ⇧

Note: Das Projekt „KI-basierte Bahnplanungsoptimierung für Laserschweißprozesse “ zielt darauf ab, den Directed Energy Deposition (DED)-Prozess durch die Entwicklung und Integration einer adaptiven Spurbreitenregelung zu optimieren. Der Fokus liegt auf der dynamischen Anpassung von Prozessparametern, um Maßhaltigkeit, Formgenauigkeit und Materialverbrauch zu verbessern. Ein wesentlicher Bestandteil ist die Anwendung von Heuristiken zur Vorhersage und Anpassung von Prozessparametern, unterstützt durch moderne Modelle. Dazu gehört der Vergleich klassischer statistischer Verfahren mit innovativen KI-basierten Ansätzen, wie einem Künstlichen Neuronalen Netz (KNN), um die Schmelzbadgeometrie präzise zu erfassen und die Bahnplanung dynamisch anzupassen. Durch die Zusammenarbeit mit ModuleWorks wird die Integration dieser Modelle in die bestehende Softwareumgebung ermöglicht, was die industrielle Umsetzung der adaptiven Bahnplanung und Prozessoptimierung fördert. Die entwickelten Lösungen verbessern die Fertigungsqualität, verkürzen Prozesszeiten und reduzieren den Materialverbrauch.
   

Recent Publications

All known publications ...
Download: BibTeX | EndNote XML,  Text | RIS | 

http://join2-wiki.gsi.de/foswiki/pub/Main/Artwork/join2_logo100x88.png Conference Presentation  ;  ;
Adaptive Process Control Strategies For Variable Wall Thickness In Laser Metal Deposition: A Framework Utilizing Artificial Neural Networks
3. International Joint Conference on Enhanced Material and Part Optimization and Process Intensification, EMPOrIA 2026, AachenAachen, Germany, 2 Jun 2026 - 3 Jun 20262026-06-022026-06-03 12 Folien () [10.18154/RWTH-2026-05769]  GO OpenAccess  Download fulltext Files BibTeX | EndNote: XML, Text | RIS

http://join2-wiki.gsi.de/foswiki/pub/Main/Artwork/join2_logo100x88.png Contribution to a book/Contribution to a conference proceedings  ;  ;  ;  ;
Adaptive Process Control Strategies For Variable Wall Thickness In Laser Metal Deposition: A Framework Utilizing Artificial Neural Networks
EMPOrIA 2026 : Proceedings of the third International Joint Conference on Enhanced Material and Part Optimization and Process Intensification / Uwe Reisgen, Dietmar Drummer (eds.)
3. International Joint Conference on Enhanced Material and Part Optimization and Process Intensification, EMPOrIA 2026, AachenAachen, Germany, 2 Jun 2026 - 3 Jun 20262026-06-022026-06-03
Düren : Shaker Verlag 237-248 () [10.18154/RWTH-2026-05767]  GO OpenAccess  Download fulltext Files  Download fulltextHomepage of book BibTeX | EndNote: XML, Text | RIS

All known publications ...
Download: BibTeX | EndNote XML,  Text | RIS | 


 Record created 2026-01-18, last modified 2026-11-07



Rate this document:

Rate this document:
1
2
3
 
(Not yet reviewed)