博士后(2年)，研究方向为振动数据解释的机器学习技术

金属合金的增材制造为航空航天工业(以及其他行业)带来了巨大的潜力，因为它允许生成具有高比强度、低密度和高耐腐蚀性的几何复杂结构。例如，通用电气已经证明了为其LEAP发动机打印钛燃料喷射器的可能性，波音公司在其777X飞机上采用了300多个打印部件……对于这些关键应用，打印部件的结构质量至关重要。打印条件的微小偏差，例如激光能量的变化、粉末质量的变化、不均匀的气体流动、构建位置……都可能导致打印质量的变化，甚至导致含有孔隙、裂纹、残余应力和几何偏差等的劣质部件。目前的检查方案包括使用x射线，但这是一种时间和成本低的方法，用于大批量应用。

reason -AM项目旨在开发一种快速、实用、灵敏的增材制造金属零件质量控制技术。该项目是几个大型行业(Materialise, Siemens和MatchID)和学术界(KULeuven和UGent)之间的密切合作。Materialise将为该项目提供大量增材制造金属部件。该项目由SIM-Flanders(法兰德斯战略倡议材料)资助。

在尤金特，三名研究人员将参与该项目，他们将专注于开发和实施使用振动的增材制造零件的质量检测策略。为此，我们寻找一名博士后研究员，他将从事数据驱动模型的研究，以模拟增材制造金属零件的振动行为，并生成一个庞大而多样的虚拟数据库，以丰富实验数据库。其次，研究人员将调查和实施(监督)分类方法，以确定打印部件的长期趋势(例如，由于激光通量的漂移)，并使用虚拟和实验数据库检测非名义AM部件(例如，由于存在大孔隙)。

该职位适用于在统计和深度学习方面有强大背景的成熟研究人员。具有振动测试知识优先考虑。

更多资料可浏览以下网页:

https://composites.ugent.be/PhD_job_vacancies_PhD_job_positions_composit..。