注册并扫描二维码
免费送会刊
科技前沿

英国多机构合作研究人工智能技术在复合材料制造工艺中的应用
来源:国防科技信息网  2018-07-18 08:51:49
本文阅读次数:620

原文:http://chinacompositesexpo.com/cn/news-detail-288-6805.html       当前,复合材料制造工艺基本上已经实现了自动化,但还是需要技术工人对工艺参数进行修改,以及时纠正材料或工艺出现的变化。而这种人为干预会增加产品差异和成本。与此同时,现在可通过嵌入式传感器获得越来越多的数据,复合材料制造业对利用这些数据来对闭环制造工艺进行自动调整非常感兴趣。


       英国国家复合材料中心(NCC)和建模仿真中心(NCC)开展了一项合作研究项目,验证机器学习技术在树脂传递模塑(RTM)工艺闭环控制中的应用。该过程包括以下步骤:在生产过程中测量工艺参数(输入数据);测量成品的关键质量数据(输出数据);使用机器学习技术来模拟输入数据和输出数据之间的关系;使用训练后的模型来设置最佳工艺参数。

       RTM工艺主要包括以下两个工步:首先将干纤维预制件放置在闭合模具内,然后在高压下注入液体热固性树脂并使其渗入纤维预制件中。其中关键质量输出数据包括孔隙度和干斑缺陷。在成形过程中,传感器监控树脂流动,实现对工艺过程的实时了解并提高仿真精度。通过调节多个位置处的入口阀和出口阀的树脂流量来控制模具内的树脂流动。

       机器学习或人工智能(AI)技术通常需要非常大的训练数据集来进行可靠地模式识别。这些数据集通常比人类发现类似模式所需的数据集大得多。AI的优势在于,当有足够的数据可用时,可以理解极其复杂的模式,这可能超出了人类的能力。

       在本项目中,计算机经过训练,可以识别RTM工艺中不同时间的阀门位置与树脂流动之间的关系。项目设计了一个大小为40cm×18cm×90cm的试验部件,包含一个全尺寸飞机机翼的关键特征值,包括缓坡、靠近部件边缘的陡坡,以及坡道旁边的圆角和凸缘等,以表明该试验具有可扩展性。据估计对算法进行训练以实现动态设定阀的位置通常需要制造15000个试验部件,在本项目中,通过仿真手段而不是制造实际部件来获得初始训练数据。

       本项目的最终目标是将机器学习技术与虚拟制造仿真相结合,加快制造工艺学习曲线,缩短产品上市时间,同时提供改进工艺流程和产品质量。
文章来源:http://chinacompositesexpo.com/cn/news-detail-288-6805.html