Active Learning-Driven Surrogate Modeling for Fatigue LifePrediction of LPBF Hastelloy-X Using Defect-Informed FiniteElement Analysis
Cet article présente un cadre hybride qui intègre l'analyse par éléments finis informée par les défauts à une modélisation de substitution par processus gaussien pilotée par l'apprentissage actif afin de prédire avec précision et efficacité la durée de vie en fatigue de l'Hastelloy-X produit par LPBF sous diverses conditions, atteignant une haute fidélité avec une réduction de plus de 95 % des besoins en données expérimentales.