Новая система машинного обучения повышает точность и эффективность 3D-печати по металлу, способствуя устойчивому производству

  • Пользователь Алексей Коровин опубликовал
  • 28 марта 2025 г., 2:24:31 MSK
  • 0 комментариев
  • 119 просмотров
Исследователи используют машинное обучение для улучшения аддитивного производства, также широко известного как 3D-печать. Команда представляет новую структуру, которую они назвали точной системой оптимизации обратного процесса в области лазерного направленного энергетического осаждения (AIDED). Новая автоматизированная система оптимизирует лазерную 3D-печать для повышения точности и надежности готового изделия. Это усовершенствование направлено на производство металлических деталей более высокого качества для таких отраслей промышленности, как аэрокосмическая, автомобильная, ядерная и медицинская, путем прогнозирования того, как металл будет плавиться и затвердевать, чтобы найти оптимальные условия печати.

Исследователи из Инженерного университета Торонто во главе с профессором Ю Цзоу используют машинное обучение для улучшения аддитивного производства, также широко известного как 3D-печать.

В новой статье, опубликованной в journal of Additive Manufacturing, команда представляет новую структуру, которую они назвали точной системой оптимизации обратного процесса в области лазерного направленного энергетического осаждения (AIDED).

Новая автоматизированная система оптимизирует лазерную 3D-печать для повышения точности и надежности готового изделия. Это усовершенствование направлено на производство металлических деталей более высокого качества для таких отраслей промышленности, как аэрокосмическая, автомобильная, ядерная и медицинская, путем прогнозирования того, как металл будет плавиться и затвердевать, чтобы найти оптимальные условия печати.

"Более широкому внедрению направленного энергетического осаждения - основной технологии 3D-печати на металле - в настоящее время препятствует высокая стоимость поиска оптимальных параметров процесса методом проб и ошибок", - говорит Сяо Шан, кандидат наук и первый автор нового исследования.

"Наша платформа быстро определяет оптимальные параметры процесса для различных применений, исходя из потребностей отрасли".

В производстве присадок к металлу используется мощный лазер для выборочного расплавления мелкодисперсного металлического порошка, создавая детали слой за слоем по точной цифровой 3D-модели.

В отличие от традиционных методов, которые включают резку, литье или механическую обработку материалов, аддитивное производство металлов непосредственно создает сложные, высокоточно настроенные компоненты с минимальными отходами материала.

"Одной из основных проблем 3D-печати на металле является скорость и точность производственного процесса", - говорит Цзоу. "Различия в условиях печати могут привести к несоответствиям в качестве конечного продукта, что затрудняет соблюдение отраслевых стандартов надежности и безопасности.

"Еще одной серьезной проблемой является определение оптимальных настроек для печати различных материалов и деталей. Каждый материал - будь то титан для аэрокосмической промышленности и медицины или нержавеющая сталь для ядерных реакторов - обладает уникальными свойствами, которые требуют определенной мощности лазера, скорости сканирования и температурных условий. Поиск правильного сочетания этих параметров в широком диапазоне технологических параметров является сложной и трудоемкой задачей."

Эти проблемы вдохновили Зоу и его лабораторную группу на разработку своей новой структуры. AIDED работает в системе с замкнутым циклом, где генетический алгоритм - метод, имитирующий естественный отбор для поиска оптимальных решений, - сначала предлагает комбинации технологических параметров, которые затем оцениваются моделями машинного обучения для определения качества печати.

Генетический алгоритм проверяет эти прогнозы на оптимальность, повторяя процесс до тех пор, пока не будут найдены наилучшие параметры.

"Мы продемонстрировали, что наша платформа может определять оптимальные параметры процесса на основе настраиваемых задач всего за один час и точно предсказывает геометрию на основе параметров процесса", - говорит Шанг. "Он также универсален и может использоваться с различными материалами".

Чтобы разработать фреймворк, исследователи провели многочисленные эксперименты по сбору своих обширных наборов данных. Эта важная, но отнимающая много времени задача обеспечила, чтобы наборы данных охватывали широкий спектр технологических параметров.

Заглядывая в будущее, команда работает над разработкой усовершенствованной автономной, или самоуправляемой, системы аддитивного производства, которая работает с минимальным вмешательством человека, аналогично тому, как автономные транспортные средства управляют собой, говорит Цзоу.

"Сочетая передовые методы аддитивного производства с искусственным интеллектом, мы стремимся создать новую автономную лазерную систему с замкнутым контуром управления", - говорит он.

"Эта система будет способна обнаруживать потенциальные дефекты в режиме реального времени, прогнозировать проблемы до их возникновения и автоматически корректировать параметры обработки для обеспечения высокого качества продукции. Он будет достаточно универсален для работы с различными материалами и геометрией деталей, что изменит правила игры в обрабатывающей промышленности".

Тем временем исследователи надеются, что AIDED преобразит оптимизацию процессов в отраслях, использующих 3D-печать по металлу.

"Такие отрасли, как аэрокосмическая, биомедицинская, автомобильная, ядерная и другие, приветствовали бы такое недорогое, но точное решение, облегчающее переход от традиционного производства к 3D-печати", - говорит Шан.

"Ожидается, что к 2030 году аддитивное производство изменит производство во многих высокоточных отраслях", - добавляет Цзоу. "Способность адаптивно исправлять дефекты и оптимизировать параметры ускорит его внедрение".

Комментарии

0 комментариев