Штучны інтэлект аптымізуе фрэзераванне з ЧПУ кампазітаў, армаваных вугляродным валакном |Свет кампазітных матэрыялаў

Аўгсбургская вытворчая сетка AI — DLR Lightweight Production Technology Center (ZLP), Fraunhofer IGCV і Універсітэт Аўгсбурга — выкарыстоўваюць ультрагукавыя датчыкі для карэляцыі гуку з якасцю апрацоўкі кампазітных матэрыялаў.
Ультрагукавы датчык, усталяваны на фрэзерным станку з ЧПУ для кантролю якасці апрацоўкі.Крыніца выявы: Усе правы абаронены Аўгсбургскім універсітэтам
Аўгсбургская вытворчая сетка штучнага інтэлекту (штучны інтэлект), створаная ў студзені 2021 года са штаб-кватэрай у Аўгсбургу, Германія, аб'ядноўвае Аўгсбургскі ўніверсітэт, Фраўнгофер, даследаванні ў галіне ліцця, кампазітных матэрыялаў і тэхналогіі апрацоўкі (Fraunhofer IGCV) і нямецкую тэхналогію лёгкай вытворчасці. цэнтр.Нямецкі аэракасмічны цэнтр (DLR ZLP).Мэта - сумеснае даследаванне вытворчых тэхналогій на аснове штучнага інтэлекту на стыку паміж матэрыяламі, тэхналогіямі вытворчасці і мадэляваннем на аснове дадзеных.Прыкладам прымянення, дзе штучны інтэлект можа падтрымліваць вытворчы працэс, з'яўляецца апрацоўка кампазітных матэрыялаў, армаваных валакном.
У нядаўна створанай вытворчай сеткі штучнага інтэлекту навукоўцы вывучаюць, як штучны інтэлект можа аптымізаваць вытворчыя працэсы.Напрыклад, у канцы многіх ланцужкоў стварэння кошту ў аэракасмічнай або машынабудаўнічай тэхніцы станкі з ЧПУ апрацоўваюць канчатковыя контуры кампанентаў з армаваных валакном палімерных кампазітаў.Гэты працэс апрацоўкі прад'яўляе высокія патрабаванні да фрэзе.Даследнікі з Універсітэта Аўгсбурга лічаць, што аптымізаваць працэс апрацоўкі можна з дапамогай датчыкаў, якія кантралююць фрэзерныя сістэмы з ЧПУ.У цяперашні час яны выкарыстоўваюць штучны інтэлект для ацэнкі патокаў дадзеных, якія прадстаўляюцца гэтымі датчыкамі.
Прамысловыя вытворчыя працэсы, як правіла, вельмі складаныя, і ёсць шмат фактараў, якія ўплываюць на вынікі.Напрыклад, абсталяванне і інструменты для апрацоўкі хутка зношваюцца, асабліва цвёрдыя матэрыялы, такія як вугляроднае валакно.Такім чынам, здольнасць ідэнтыфікаваць і прагназаваць крытычныя ўзроўні зносу мае важнае значэнне для забеспячэння высакаякасных абрэзаных і апрацаваных кампазітных канструкцый.Даследаванні прамысловых фрэзерных станкоў з ЧПУ паказваюць, што адпаведныя сэнсарныя тэхналогіі ў спалучэнні са штучным інтэлектам могуць забяспечыць такія прагнозы і паляпшэнні.
Прамысловы фрэзерны станок з ЧПУ для даследавання ультрагукавога датчыка.Крыніца выявы: Усе правы абаронены Аўгсбургскім універсітэтам
Большасць сучасных фрэзерных станкоў з ЧПУ маюць убудаваныя асноўныя датчыкі, такія як запіс спажывання энергіі, сілы падачы і крутоўнага моманту.Аднак гэтых дадзеных не заўсёды дастаткова для вырашэння дробных дэталяў працэсу фрэзеравання.З гэтай мэтай Універсітэт Аўгсбурга распрацаваў ультрагукавой датчык для аналізу гуку структуры і інтэграваў яго ў прамысловы фрэзерны станок з ЧПУ.Гэтыя датчыкі выяўляюць структураваныя гукавыя сігналы ў ультрагукавым дыяпазоне, якія ўтвараюцца падчас фрэзеравання, а затым распаўсюджваюцца праз сістэму да датчыкаў.
Па структуры гуку можна зрабіць высновы аб стане працэсу апрацоўкі.«Гэта паказчык, які мае такое ж значэнне для нас, як і цяціва для скрыпкі», — патлумачыў прафесар Маркус Саўз, дырэктар сеткі вытворчасці штучнага інтэлекту.«Музычныя прафесіяналы могуць адразу вызначыць па гуку скрыпкі, ці настроена яна, і па валоданні гульца інструментам».Але як гэты метад прымяняецца да станкоў з ЧПУ?Машынае навучанне - гэта ключ.
Каб аптымізаваць працэс фрэзеравання з ЧПУ на аснове дадзеных, запісаных ультрагукавым датчыкам, даследчыкі, якія працуюць з Sause, выкарыстоўвалі так званае машыннае навучанне.Пэўныя характарыстыкі акустычнага сігналу могуць сведчыць аб неспрыяльным кіраванні працэсам, што сведчыць аб нізкай якасці фрезерованной дэталі.Такім чынам, гэтую інфармацыю можна выкарыстоўваць для непасрэднай карэкціроўкі і паляпшэння працэсу фрэзеравання.Для гэтага выкарыстоўвайце запісаныя даныя і адпаведны стан (напрыклад, добрая або дрэнная апрацоўка) для навучання алгарытму.Затым чалавек, які кіруе фрэзерным станком, можа адрэагаваць на прадстаўленую інфармацыю аб стане сістэмы або сістэма можа адрэагаваць аўтаматычна з дапамогай праграмавання.
Машынае навучанне можа не толькі аптымізаваць працэс фрэзеравання непасрэдна на дэталі, але і максімальна эканомна планаваць цыкл абслугоўвання вытворчага прадпрыемства.Для павышэння эканамічнай эфектыўнасці функцыянальныя кампаненты павінны працаваць у машыне як мага даўжэй, але варта пазбягаць спантанных збояў, выкліканых пашкоджаннем кампанентаў.
Прагнастычнае абслугоўванне - гэта метад, пры якім ІІ выкарыстоўвае сабраныя даныя датчыка, каб вылічыць, калі дэталі павінны быць заменены.Для даследаванага фрэзернага станка з ЧПУ алгарытм распазнае, калі некаторыя характарыстыкі гукавога сігналу змяняюцца.Такім чынам, ён можа не толькі вызначыць ступень зносу апрацоўчага інструмента, але і прадказаць правільны час для змены інструмента.Гэты і іншыя працэсы штучнага інтэлекту ўключаюцца ў сетку вытворчасці штучнага інтэлекту ў Аўгсбургу.Тры асноўныя арганізацыі-партнёры супрацоўнічаюць з іншымі вытворчымі аб'ектамі для стварэння вытворчай сеткі, якую можна рэканфігураваць модульна і аптымізавана па матэрыялах.
Тлумачыць старое мастацтва, якое стаіць за першым у галіны армаваннем валакном, і мае глыбокае разуменне новых навук аб валакнах і будучых распрацовак.


Час публікацыі: 08 кастрычніка 2021 г