德国锡根大学 发布 TubeBEND 数据集, 应用在 工业制造、机器学习 领域

德国锡根大学 本次发布的数据集 TubeBEND, TubeBEND是一个包含318个旋转管弯曲过程的现实世界数据集，由来自各个领域的专家收集和整理，用于评估机器学习和信号分析方法。该数据集旨在解决预测第一阶段弯曲几何形状的工业挑战，这对于设计两阶段旋转拉拔弯曲中第二阶段弯曲的机器夹紧模具是有益的。该数据集记录了某些几何标准，如管子的最终弯曲角度（或回弹）及其横截面变形。通过记录一些工艺参数，如工具运动和对它们的力或扭矩，我们提供了关于它们对最终管材几何形状影响的详细信息。我们的工作重点是发现可以替代传统方法（如试错或基于仿真的预测）的解决方案，通过将实验过程变量纳入机器学习算法中。我们的数据集在https://github.com/zeyneddinoz/tubebend和https://zenodo.org/records/16614082上公开发布，作为提高该领域数据驱动方法的基准。

查看TubeBEND

README 内容： 

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。