js3845金沙线路 ye ma

js3845金沙线路学习的机器人添加剂制造：施工中3D打印的自适应运动控制和材料行为建模

当前对建筑行业手动劳动的依赖限制了设计复杂性，及时交付和成本效益。添加剂制造（AM），尤其是3D打印，通过快速的原型制作和复杂几何形状实现，为自动现场结构提供了有希望的解决方案。传统的js3845金沙线路龙门的系统，即建筑规模3D打印的主流设备，面临着诸如有限的工作空间和运输能力之类的巨大挑战。机器人臂的采用释放了以更高的精确和效率的多向印刷和共形沉积的能力。具有六个或以上自由度的机器人臂已成为一种更灵活的替代方案，可以增强精确性和效率的多向印刷和保形沉积。但是，广泛的采用受到挑战的限制，包括运动复杂性，避免碰撞和材料特性的可变性。这项研究通过深度学习（DL）框架来解决这些问题，旨在实时优化机器人运动计划和材料参数。

研究重点关注三个核心领域：（1）材料表征和过程参数优化 - 开发DL模型，使用多模式数据对打印质量进行分类； （2）运动计划和路径优化 - 应用加固学习（RL）以优化js3845金沙线路学习的打印过程中的模拟环境中的机器人轨迹； （3）模拟和现实验证 - 利用数字双胞胎环境以及物理实验，以确保系统鲁棒性并验证学习策略。

 
预期的结果包括高准确性分类器，js3845金沙线路自适应RL的控制策略以及材料性能和印刷质量的比较研究。通过弥合自动机器人系统与3D打印之间的差距，这项工作为现场构造提供了一个数据驱动的框架。这项研究旨在提高机器人添加剂制造的可扩展性和效率，为自动化和经济高效的建筑实践铺平道路。

我目前正在攻读博士学位。在js4399金沙线（UVA）的Ehsan Baharlou博士的监督下，在建造环境中。我拥有南加州大学（USC）的M.Arch学位，并拥有西安js3845金沙线路与技术大学的B.Arch学位。我在工艺和遗产保护方面的本科生经验塑造了我对制造和物质实践的看法，激发了我重新思考和重新定义传统的js3845金沙线路方法。

在我在南加州大学期间，数字化制造，响应材料和新兴技术的动手经验激发了我对大规模定制的兴趣及其改变js3845金沙线路生产的潜力。随后的研究和项目参与（跨越设计计算，形状变形结构和计算机视觉应用程序）引入了我进行跨学科的合作，扩大了我的专业知识并鼓励持续增长。这些经验增强了我对探索数字制造中设计，机器人技术和计算方法的融合的热情。

在我的好奇心和渴望进行尖端研究的愿望的指导下，我加入了UVA充满活力的学术界，从事机器人制造，机器学习和材料材料的研究生涯。这种多样化和专业的环境促使我寻求可扩展的解决方案来进行数字制造和构建自动化。