Что, если бы эти детали можно было изготовить быстрее, прочнее и с почти идеальной точностью?

Команда, состоящая из экспертов из Лаборатории прикладной физики Джона Хопкинса (APL) в Лореле, штат Мэриленд, и инженерной школы Джона Хопкинса Уайтинга, использует искусственный интеллект, чтобы воплотить это в реальность. Они определили технологии обработки, которые повышают как скорость производства, так и прочность этих передовых материалов - шаг вперед, имеющий последствия от морских глубин до космического пространства.

"Страна сталкивается с настоятельной необходимостью ускорить производство для удовлетворения потребностей текущих и будущих конфликтов", - сказал Морган Трекслер, руководитель программы по науке об экстремальных и многофункциональных материалах в области исследований и изыскательских разработок APL. "В APL мы продвигаем исследования в области аддитивного производства на основе лазера для быстрой разработки материалов, готовых к эксплуатации, гарантируя, что производство идет в ногу с меняющимися эксплуатационными задачами".

Результаты, недавно опубликованные в журнале Additive Manufacturing, сосредоточены на Ti-6Al-4V, широко используемом титановом сплаве, известном своей высокой прочностью и малым весом. Команда использовала модели, управляемые искусственным интеллектом, чтобы наметить ранее неизведанные производственные условия для лазерного наплавления в порошковом слое - метода 3D-печати металла. Полученные результаты бросают вызов давним предположениям о технологических ограничениях, открывая более широкие технологические возможности для получения плотного высококачественного титана с настраиваемыми механическими свойствами.

По словам соавтора Брендана Крума, это открытие позволяет по-новому взглянуть на обработку материалов.

"В течение многих лет мы предполагали, что определенные параметры обработки являются "запретными" для всех материалов, поскольку они приведут к получению некачественного конечного продукта", - сказал Крум, старший специалист по материаловедению в APL. "Но, используя искусственный интеллект для изучения всего спектра возможностей, мы открыли новые области обработки, которые позволяют ускорить печать при сохранении - или даже улучшении - прочности и пластичности материала, способности растягиваться или деформироваться без разрушения. Теперь инженеры могут выбирать оптимальные параметры обработки в зависимости от своих конкретных потребностей".

Эти результаты многообещающи для отраслей промышленности, которые полагаются на высокопроизводительные титановые детали. Возможность изготавливать более прочные и легкие компоненты с большей скоростью могла бы повысить эффективность в судостроении, авиации и медицинских приборах. Это также способствует более широким усилиям по развитию аддитивного производства для аэрокосмической промышленности и обороны.

Исследователи из инженерной школы Уайтинга, в том числе Сомнат Гхош, интегрируют моделирование на основе искусственного интеллекта, чтобы лучше предсказать, как материалы, изготовленные с использованием добавок, будут работать в экстремальных условиях. Гош является соруководителем одного из двух научно-исследовательских институтов космических технологий НАСА (STRIs) - сотрудничества между университетами Джона Хопкинса и Карнеги-Меллона, направленного на разработку передовых вычислительных моделей для ускорения квалификации материалов и сертификации. Цель состоит в том, чтобы сократить время, необходимое для разработки, тестирования и валидации новых материалов для космических применений - задача, которая тесно связана с усилиями APL по совершенствованию и ускорению производства титана.

Большой скачок вперед

Этот прорыв основан на многолетней работе APL по развитию аддитивного производства. Когда Стив Сторк, главный научный сотрудник отдела производственных технологий отдела исследований и опытно-конструкторских разработок APL, прибыл в лабораторию в 2015 году, он понял, что у этой практики есть свои пределы.

"В то время одним из самых больших препятствий для использования аддитивного производства в Министерстве обороны была доступность материалов - для каждой конструкции требовался определенный материал, но для большинства из них не существовало надежных условий обработки", - вспоминает Шторк. "Титан был одним из немногих, который отвечал потребностям Министерства обороны и был оптимизирован таким образом, чтобы соответствовать или превосходить традиционные производственные показатели. Мы знали, что нам необходимо расширить ассортимент материалов и усовершенствовать параметры обработки, чтобы полностью раскрыть потенциал аддитивного производства".

Компания APL потратила годы на совершенствование аддитивного производства, уделяя особое внимание контролю дефектов и эксплуатационным характеристикам материалов. В 2021 году команда APL опубликовала исследование в Johns Hopkins APL Technical Digest, в котором изучалось, как дефекты влияют на механические свойства. Примерно в то же время команда Сторка разрабатывала систему быстрой оптимизации материалов, что привело к подаче патента в 2020 году.

Эта структура, разработанная для значительного ускорения оптимизации условий обработки, обеспечила прочную основу для последнего исследования. Опираясь на этот фундамент, команда использовала машинное обучение для изучения беспрецедентного диапазона параметров обработки, что было бы непрактично при использовании традиционных методов проб и ошибок.

Этот подход выявил режим обработки с высокой плотностью, от которого ранее отказались из-за опасений по поводу нестабильности материала. Благодаря целенаправленным корректировкам команда открыла новые способы обработки Ti-6Al-4V, долгое время оптимизированного для лазерного наплавления в порошковом слое.

"Мы не просто вносим постепенные улучшения", - сказал Сторк. "Мы находим совершенно новые способы обработки этих материалов, открывая возможности, которые ранее не рассматривались. За короткий промежуток времени мы обнаружили условия обработки, которые вывели производительность за пределы того, что считалось возможным".

Искусственный интеллект находит скрытые закономерности

На свойства титана, как и на свойства всех материалов, может влиять способ обработки материала. Мощность лазера, скорость сканирования и расстояние между лазерными дорожками определяют, как затвердевает материал - становится ли он прочным и гибким или хрупким и с дефектами. Традиционно поиск правильной комбинации требовал медленного тестирования методом проб и ошибок.

Вместо того чтобы вручную корректировать настройки и ждать результатов, команда обучила модели искусственного интеллекта, используя байесовскую оптимизацию - метод машинного обучения, который предсказывает наиболее многообещающий следующий эксперимент на основе предыдущих данных. Анализируя результаты ранних тестов и уточняя свои прогнозы с каждой итерацией, искусственный интеллект быстро подбирал наилучшие условия обработки, позволяя исследователям виртуально исследовать тысячи конфигураций, прежде чем протестировать несколько из них в лаборатории.

Такой подход позволил команде быстро определить ранее неиспользуемые параметры, некоторые из которых были исключены при традиционном производстве, которые могли бы обеспечить получение более прочного и плотного титана. Полученные результаты опровергли давние предположения о том, какие параметры лазера обеспечивают наилучшие свойства материала.

"Речь идет не только о более быстром изготовлении деталей", - сказал Крум. "Речь идет о достижении правильного баланса между силой, гибкостью и эффективностью. Искусственный интеллект помогает нам исследовать области обработки данных, которые мы сами бы не рассмотрели".

Сторк подчеркнул, что этот подход выходит за рамки улучшения титановой печати - он адаптирует материалы к конкретным потребностям. "Производители часто ищут универсальные настройки, но нашим спонсорам нужна точность", - сказал он. "Будь то подводная лодка в Арктике или летный компонент в экстремальных условиях, эта технология позволяет нам оптимизировать решение этих уникальных задач, сохраняя при этом высочайшую производительность".

Крум добавил, что расширение модели машинного обучения для прогнозирования еще более сложного поведения материалов является еще одной ключевой целью. Ранние работы команды были посвящены плотности, прочности и пластичности, и Крум сказал, что они нацелены на моделирование других важных факторов, таких как усталостная стойкость или коррозия.

"Эта работа стала наглядной демонстрацией мощи искусственного интеллекта, высокопроизводительного тестирования и производства, основанного на данных", - сказал он. "Раньше требовались годы экспериментов, чтобы понять, как новый материал будет реагировать в соответствующих условиях нашего спонсора, но что, если вместо этого мы могли бы изучить все это за недели и использовать полученные знания для быстрого производства улучшенных сплавов?"

Новые возможности

Успех этого исследования открывает двери для еще более широкого применения. По словам Сторка, недавно опубликованная статья была посвящена титану, но тот же подход, основанный на искусственном интеллекте, был применен к другим металлам и технологиям производства, включая сплавы, специально разработанные для использования преимуществ аддитивного производства.

Одной из областей будущих исследований является так называемый мониторинг на месте - возможность отслеживать и корректировать производственный процесс в режиме реального времени. Сторк описал видение, согласно которому современное аддитивное производство металла могло бы быть таким же бесшовным, как 3D-печать в домашних условиях: "Мы предполагаем смену парадигмы, при которой будущие системы аддитивного производства смогут корректироваться по мере печати, обеспечивая идеальное качество без необходимости длительной постобработки, а детали могут быть изготовлены квалифицированными.."