Tehisintellekt optimeerib süsinikkiuga tugevdatud komposiitide CNC freesimist |Komposiitmaterjalide maailm

Augsburgi tehisintellekti tootmisvõrk – DLR Lightweight Production Technology Center (ZLP), Fraunhofer IGCV ja Augsburgi Ülikool kasutavad heli ja komposiitmaterjalide töötlemise kvaliteediga korrelatsiooniks ultraheliandureid.
CNC freespingile paigaldatud ultraheliandur, mis jälgib töötluse kvaliteeti.Pildi allikas: Kõik õigused on kaitstud Augsburgi ülikoolile
Augsburgi AI (tehisintellekti) tootmisvõrk, mis loodi 2021. aasta jaanuaris ja mille peakorter asub Saksamaal Augsburgis, ühendab Fraunhoferi Augsburgi ülikooli ning valamise, komposiitmaterjalide ja töötlemistehnoloogia (Fraunhofer IGCV) ning Saksamaa kergete tootmistehnoloogiate uurimistööd. Keskus.Saksa lennunduskeskus (DLR ZLP).Eesmärk on ühiselt uurida tehisintellektil põhinevaid tootmistehnoloogiaid materjalide, tootmistehnoloogiate ja andmepõhise modelleerimise liideses.Näide rakendusest, kus tehisintellekt saab tootmisprotsessi toetada, on kiududega tugevdatud komposiitmaterjalide töötlemine.
Äsja loodud tehisintellekti tootmisvõrgustikus uurivad teadlased, kuidas tehisintellekt saab tootmisprotsesse optimeerida.Näiteks paljude lennunduse või masinaehituse väärtusahelate lõpus töötlevad CNC-tööpingid kiududega tugevdatud polümeerkomposiitidest valmistatud komponentide lõplikke kontuure.See töötlemisprotsess seab freesile kõrged nõudmised.Augsburgi ülikooli teadlased usuvad, et CNC freesimissüsteeme jälgivate andurite abil on võimalik töötlusprotsessi optimeerida.Praegu kasutavad nad tehisintellekti nende andurite pakutavate andmevoogude hindamiseks.
Tööstuslikud tootmisprotsessid on tavaliselt väga keerulised ja tulemusi mõjutavad paljud tegurid.Näiteks kuluvad kiiresti seadmed ja töötlemisriistad, eriti kõvad materjalid nagu süsinikkiud.Seetõttu on kvaliteetsete trimmitud ja töödeldud komposiitstruktuuride pakkumiseks hädavajalik kriitiliste kulumistasemete tuvastamise ja prognoosimise võimalus.Tööstuslike CNC-freespinkide uuringud näitavad, et asjakohane sensortehnoloogia koos tehisintellektiga võib selliseid ennustusi ja täiustusi pakkuda.
Tööstuslik CNC freespink ultraheliandurite uurimiseks.Pildi allikas: Kõik õigused on kaitstud Augsburgi ülikoolile
Enamikul kaasaegsetel CNC-freespinkidel on sisseehitatud põhiandurid, nagu näiteks energiatarbimise, etteandejõu ja pöördemomendi salvestamine.Kuid need andmed ei ole alati piisavad, et lahendada jahvatusprotsessi peeneid üksikasju.Selleks on Augsburgi Ülikool välja töötanud ultrahelianduri struktuuriheli analüüsimiseks ja integreerinud selle tööstuslikku CNC-freespinki.Need andurid tuvastavad jahvatamise ajal tekkivad ultrahelivahemikus olevad struktureeritud helisignaalid ja levivad seejärel süsteemi kaudu anduritesse.
Struktuuriheli abil saab teha järeldusi töötlemisprotsessi oleku kohta."See on näitaja, mis on meile sama tähenduslik kui vibupael viiulile," selgitas tehisintellekti tootmisvõrgu direktor prof Markus Sause."Muusikaprofessionaalid saavad viiuli kõla järgi kohe kindlaks teha, kas see on häälestatud ja milline on mängija pillimeisterlikkus."Kuid kuidas see meetod CNC-tööpinkide puhul kehtib?Masinõpe on võti.
Ultrahelianduri salvestatud andmete põhjal CNC freesimisprotsessi optimeerimiseks kasutasid Sausiga koos töötavad teadlased nn masinõpet.Akustilise signaali teatud omadused võivad viidata ebasoodsale protsessi juhtimisele, mis näitab, et freesitud detaili kvaliteet on halb.Seetõttu saab seda teavet kasutada freesimisprotsessi otseseks reguleerimiseks ja täiustamiseks.Selleks kasuta salvestatud andmeid ja vastavat olekut (näiteks hea või halb töötlus) algoritmi treenimiseks.Seejärel saab freespinki opereeriv isik reageerida esitatud süsteemi olekuteabele või süsteem saab reageerida programmeerimise kaudu automaatselt.
Masinõpe ei saa mitte ainult optimeerida freesimisprotsessi otse tooriku peal, vaid ka planeerida tootmistehase hooldustsüklit võimalikult säästlikult.Funktsionaalsed komponendid peavad masinas töötama nii kaua kui võimalik, et parandada majanduslikku efektiivsust, kuid vältida tuleb komponentide kahjustumisest tingitud spontaanseid rikkeid.
Ennustav hooldus on meetod, mille puhul tehisintellekt kasutab kogutud andurite andmeid, et arvutada välja, millal tuleks osad välja vahetada.Uuritava CNC-freespingi puhul tunneb algoritm ära, kui helisignaali teatud omadused muutuvad.Sel viisil ei saa see mitte ainult tuvastada töötlemistööriista kulumisastet, vaid ka ennustada tööriista vahetamise õiget aega.See ja teised tehisintellekti protsessid lülitatakse Augsburgi tehisintellekti tootmisvõrku.Kolm peamist partnerorganisatsiooni teevad koostööd teiste tootmisüksustega, et luua tootmisvõrk, mida saab modulaarselt ja materjalidele optimeeritud viisil ümber seadistada.
Selgitab vana kunsti tööstuse esimese kiudude tugevdamise taga ning tunneb põhjalikult uut kiudude teadust ja edasist arengut.


Postitusaeg: okt-08-2021