bei Google ScholarTitelangaben
Ma, Xiaohu ; Fischerauer, Alice ; Fischerauer, Gerhard:
Estimating bentonite content in foundry sands using machine learning from measured electrical impedance spectra.
In: Kanoun, Olfa ; Arpaia, Pasquale
(Hrsg.):
Proceedings of [the 17th] International Workshop on Impedance Spectroscopy : IWIS 2024. -
Piscataway, NJ
: IEEE
,
2025
. - S. 7-10
ISBN 979-8-3315-0762-6
DOI: https://doi.org/10.1109/IWIS63047.2024.10847245
Abstract
Monitoring the bentonite content in molding sand is crucial for ensuring high-quality castings. This study investigates the suitability of convolutional neural networks (CNNs) for extracting bentonite content from the electrical impedance spectra of molding samples in conjunction with selected other measured properties of the materials. Using various synthetic molding sands as materials under test, a regression neural network was developed and tuned to estimate the bentonite content in the molding sands. This model achieved a coefficient of determination of 0.93.
Weitere Angaben
| Publikationsform: | Aufsatz in einem Buch |
|---|---|
| Begutachteter Beitrag: | Nein |
| Keywords: | EIS; machine learning; FCNN; bentonite; foundry |
| Institutionen der Universität: | Fakultäten > Fakultät für Ingenieurwissenschaften Fakultäten > Fakultät für Ingenieurwissenschaften > Lehrstuhl Mess- und Regeltechnik Fakultäten > Fakultät für Ingenieurwissenschaften > Lehrstuhl Mess- und Regeltechnik > Lehrstuhl Mess- und Regeltechnik - Univ.-Prof. Dr.-Ing. Gerhard Fischerauer Fakultäten |
| Titel an der UBT entstanden: | Nein |
| Themengebiete aus DDC: | 600 Technik, Medizin, angewandte Wissenschaften > 620 Ingenieurwissenschaften |
| Eingestellt am: | 12 Mär 2025 06:15 |
| Letzte Änderung: | 12 Mär 2025 06:15 |
| URI: | https://eref.uni-bayreuth.de/id/eprint/92768 |