大气等离子喷涂:视频预测粒子特性,TabPFN/CNN达R² 0.90

Video-Based Prediction of In-Flight Particle Characteristics in Atmospheric Plasma Spraying

精选理由

做涂层工艺或工业过程监控的团队,终于有了不依赖昂贵传感器的实时诊断方案——用高速视频就能预测关键粒子参数,建议做APS工艺优化的点开看具体特征工程方法。

AI 摘要

大气等离子喷涂(APS)中,飞行粒子的温度和速度对涂层质量至关重要,但难以实时监测。该研究利用高速视频观测等离子体羽流,通过TabPFN、CNN等模型预测粒子特性。TabPFN在温度预测上表现稳定(R²=0.86),CNN在速度预测上更优(R²=0.81),而预训练CNN直接处理原始视频帧达到最佳效果(温度R²=0.90,速度R²=0.82)。结果表明,视频驱动的非侵入式诊断方法为APS实时过程监控提供了可扩展的解决方案。

AI 翻译 · 中文

大气等离子喷涂(APS)中,飞行粒子的温度和速度对涂层质量至关重要,但难以实时监测。该研究利用高速视频观测等离子体羽流,通过TabPFN、CNN等模型预测粒子特性。TabPFN在温度预测上表现稳定(R²=0.86),CNN在速度预测上更优(R²=0.81),而预训练CNN直接处理原始视频帧达到最佳效果(温度R²=0.90,速度R²=0.82)。结果表明,视频驱动的非侵入式诊断方法为APS实时过程监控提供了可扩展的解决方案。

arXiv cs.LGAtmospheric plasma spraying (APS) is a widely used coating process in which in-flight particle temperature and velocity strongly influence coating quality. However, these particle characteristics are difficult to monitor