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

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。

wire arc additive manufacturingrecurrent neural networkadaptive controlbead geometrydata-driven model

OTHER

📊 1 引用

Qiang Cui, Chuan Yu, Daoqian Yang 等 5 位作者

Robotics and Computer-Integrated Manufacturing · 2026

LEARNING

开放获取📊 1 引用

Keyi Shen, Glen Chou

2026

LEARNING

📊 0 引用

Hedi Boukamcha, Anas Neumann, Monia Rekik 等 6 位作者

Robotics and Computer-Integrated Manufacturing · 2026

LEARNING

📊 0 引用

Xiwei Wu, Wei Wu, Qiqi Chen 等 9 位作者

Robotics and Computer-Integrated Manufacturing · 2026