polito.it
Politecnico di Torino (logo)

Analisi dell'influenza dei principali parametri di processo di saldatura laser attraverso metodi di intelligenza artificiale (machine learning) = Analysis of the influence of the main laser welding process parameters through artificial intelligence methods (machine learning)

Luca Bonamassa

Analisi dell'influenza dei principali parametri di processo di saldatura laser attraverso metodi di intelligenza artificiale (machine learning) = Analysis of the influence of the main laser welding process parameters through artificial intelligence methods (machine learning).

Rel. Gianfranco Genta, Giacomo Maculotti, Roberto Cagliero. Politecnico di Torino, Corso di laurea magistrale in Ingegneria Meccanica, 2021

[img]
Preview
PDF (Tesi_di_laurea) - Tesi
Licenza: Creative Commons Attribution Non-commercial No Derivatives.

Download (4MB) | Preview
Abstract:

Analisi dell'influenza dei parametri di processo sulla profondità di penetrazione in un processo di saldatura laser utilizzato per la produzione di supporti per dischi di frizione automobilistica. I parametri di processo presi in considerazione sono stati la potenza del fascio laser, la distanza focale, l'apertura della bocchetta di aspirazione dell'aria e la velocità di avanzamento. Dopo la pianificazione delle sperimentazioni ed esecuzione delle metallografie, finalizzate alla misurazione della grandezza analizzata, i dati acquisiti sono stati processati utilizzando un modello lineare generalizzato e tre metodi di machine Learning (Genetic programming, support Vector machine e Boosting). Ogni metodo ha avuto come risultato un modello in grado di generare delle predizioni sulla profondità di saldatura, con il fine di ottimizzare i parametri di processo. I metodi utilizzati sono stati confrontati valutando la radice dell'errore quadratico medio, per misurare l'errore commesso nella generazione delle predizioni.

Relators: Gianfranco Genta, Giacomo Maculotti, Roberto Cagliero
Academic year: 2020/21
Publication type: Electronic
Number of Pages: 93
Subjects:
Corso di laurea: Corso di laurea magistrale in Ingegneria Meccanica
Classe di laurea: New organization > Master science > LM-33 - MECHANICAL ENGINEERING
Aziende collaboratrici: LBN RICERCA SRL
URI: http://webthesis.biblio.polito.it/id/eprint/19461
Modify record (reserved for operators) Modify record (reserved for operators)