An unsupervised online anomaly detection method for metal additive manufacturing processes via a statistical time-frequency domain algorithm

Autor(en):	Alvin Chen (Intelligent Structural Systems Laboratory, Department of Mechanical, Aerospace and Nuclear Engineering, Rensselaer Polytechnic Institute, Troy, NY, USA) Fotis Kopsaftopoulos (Intelligent Structural Systems Laboratory, Department of Mechanical, Aerospace and Nuclear Engineering, Rensselaer Polytechnic Institute, Troy, NY, USA) Sandipan Mishra (Intelligent Structural Systems Laboratory, Department of Mechanical, Aerospace and Nuclear Engineering, Rensselaer Polytechnic Institute, Troy, NY, USA)
Medium:	Fachartikel
Sprache(n):	Englisch
Veröffentlicht in:	Structural Health Monitoring, September 2023, n. 3, v. 23
Seite(n):	1926-1948
DOI:	10.1177/14759217231193702

Structurae kann Ihnen derzeit diese Veröffentlichung nicht im Volltext zur Verfügung stellen. Der Volltext ist beim Verlag erhältlich über die DOI: 10.1177/14759217231193702.

Anzeige

Structurae kooperiert mit

Anzeige