Anomaliegetriebenes Reinforcement Learning zur Prozessoptimierung in der additiven Fertigung von Hybridmaterialien (A07)

Dieses Teilprojekt nutzt Deep Learning (DL) für eine dynamische Anpassung der Prozessparameter in L-DED bei der Herstellung von HyPo-Bauteilen. Dabei werden Prozessanomalien und ihr Einfluss auf Materialeigenschaften untersucht und optimale Prozessparameterbereiche identifiziert. Dies ermöglicht den Aufbau einer Datenbasis für das Training von DL-Modellen. Das Teilprojekt zielt auf bahnbrechende Fortschritte auf dem Gebiet der Anomalieerkennung und des Verstärkungslernens ab, indem es anomaliegesteuertes Verstärkungslernen für die Prozessparameteradapation entwickelt.

DFG-Verfahren Transregios

Teilprojekt zu TRR 375:  Multifunktionale Hochleistungskomponenten aus hybriden porösen Werkstoffen

Antragstellende Institution Rheinland-Pfälzische Technische Universität Kaiserslautern-Landau

Teilprojektleiterinnen / Teilprojektleiter Professor Dr.-Ing. Jan C. Aurich; Professorin Dr. Sophie Fellenz; Professor Dr. Marius Kloft