Исследователи из Инженерного университета Торонто под руководством профессора Юй Цзоу используют машинное обучение для улучшения аддитивного производства, также известного как 3D-печать. В новой статье, опубликованной в журнале Additive Manufacturing , команда представляет новую структуру, которую они назвали структурой оптимизации точного обратного процесса в лазерно-направленном энергетическом осаждении (AIDED).
Новая структура AIDED оптимизирует лазерную 3D- печать для повышения точности и надежности готового продукта.
Это усовершенствование направлено на производство более качественных металлических деталей для таких отраслей, как аэрокосмическая, автомобильная, ядерная и здравоохранение, путем прогнозирования того, как металл будет плавиться и затвердевать, для поиска оптимальных условий печати.
«Более широкое внедрение направленного энергетического осаждения — одной из основных технологий 3D-печати металлами — в настоящее время сдерживается высокой стоимостью поиска оптимальных параметров процесса методом проб и ошибок», — говорит Сяо Шан, аспирант и первый автор нового исследования.
«Наша структура быстро определяет оптимальные параметры процесса для различных приложений на основе потребностей отрасли».
В аддитивном производстве металлов используется мощный лазер для выборочного сплавления мелкого металлического порошка, создавая детали слой за слоем на основе точной трехмерной цифровой модели.
В отличие от традиционных методов, включающих резку, литье или механическую обработку материалов, аддитивное производство металлов напрямую создает сложные, в высшей степени индивидуальные компоненты с минимальными отходами материала.
«Одной из основных проблем 3D-печати по металлу является скорость и точность производственного процесса», — говорит Цзоу.
«Изменения в условиях печати могут привести к несоответствиям в качестве конечного продукта, что затрудняет соблюдение отраслевых стандартов надежности и безопасности».
«Еще одной важной задачей является определение оптимальных настроек для печати различных материалов и деталей. Каждый материал — будь то титан для аэрокосмической и медицинской промышленности или нержавеющая сталь для ядерных реакторов — обладает уникальными свойствами, требующими определенной мощности лазера, скорости сканирования и температурных условий.
Поиск правильного сочетания этих параметров в широком диапазоне параметров процесса — сложная и трудоемкая задача».
Эти проблемы вдохновили Цзоу и его лабораторную группу на разработку новой структуры. AIDED работает в замкнутой системе, где генетический алгоритм — метод, имитирующий естественный отбор для поиска оптимальных решений — сначала предлагает комбинации параметров процесса, которые затем модели машинного обучения оценивают на предмет качества печати.
Генетический алгоритм проверяет эти прогнозы на оптимальность, повторяя процесс до тех пор, пока не будут найдены наилучшие параметры.
«Мы продемонстрировали, что наша структура может определять оптимальные параметры процесса из настраиваемых целей всего за один час, и она точно предсказывает геометрию из параметров процесса», — говорит Шан.
«Она также универсальна и может использоваться с различными материалами». Для разработки фреймворка исследователи провели многочисленные эксперименты, чтобы собрать свои обширные наборы данных.
Эта важная, но трудоемкая задача гарантировала, что наборы данных охватывают широкий спектр параметров процесса.
По словам Цзоу, в перспективе команда работает над созданием усовершенствованной автономной или беспилотной системы аддитивного производства, которая будет работать с минимальным вмешательством человека, подобно тому, как беспилотные автомобили управляют сами собой.
«Объединив передовые методы аддитивного производства с искусственным интеллектом , мы стремимся создать новую замкнутую управляемую лазерную систему с автономным управлением», — говорит он.
«Эта система сможет определять потенциальные дефекты в режиме реального времени, прогнозировать проблемы до их возникновения и автоматически корректировать параметры обработки для обеспечения высококачественного производства.
Она будет достаточно универсальной для работы с различными материалами и геометриями деталей, что сделает ее революционным решением для обрабатывающей промышленности». В то же время исследователи надеются, что AIDED изменит оптимизацию процессов в отраслях, использующих 3D-печать металлом.
«Такие отрасли, как аэрокосмическая, биомедицинская, автомобильная, ядерная и другие, приветствовали бы такое недорогое, но точное решение, которое облегчило бы переход от традиционного производства к 3D-печати», — говорит Шан.
«К 2030 году ожидается, что аддитивное производство изменит производство во многих высокоточных отраслях», — добавляет Цзоу.
«Возможность адаптивно исправлять дефекты и оптимизировать параметры ускорит его внедрение».
Рубрика: Наука. Читать весь текст на android-robot.com.