在航空航天、复合纤维增强聚合物基复合材料也越来越多地用于其他领域,包括汽车工业。最优切削参数的识别对于一个给定的工具组合是至关重要的,因为这可以显著降低组件不合格。在最后的飞机组装,表面分层加工结果中60%的拒绝。
进行大量的实验工作需要理解和控制分层,通常体现在系统的钻探和随后的分析一千个洞。Intellegens深学习软件,Alchemite™,可以减少实验时间量化复杂非线性tool-composite关系。
Alchemite™指导模具设计和选择前一个实验活动通过促进分析复杂的数据关系。从稀疏和嘈杂的数据基于比平常少了80%的实验测试程序,Alchemite™提供有用的预测未来的工具性能在谢菲尔德大学的一项研究先进制造研究中心(AMRC),使进一步的实验成本节约。也能够识别系统中哪些特性和不相关的性能——信息的价值在未来设计实验。
图片来源:Intellegens有限
叠层复合材料纤维增强聚合物(FRP)矩阵是推动行业向高性能、轻量级组件,如航空航天,由于他们highly-tailorable设计和优良的机械性能。
尽管这可修整性增加设计选项,它可以产生负面影响成本,在生产效率和可持续性。这可以在加工尤其明显,玻璃钢part-specific缺陷发生的地方。
常见原因为处方过于保守刀具使用限制是导致一个大过程的不确定性,不可预测的缺陷生成基于质量标准的一部分。需要一个特定于应用程序的方法来确定最有效的削减策略由于广泛可用的工具设计和工件材料的配置。
使用一个详尽的、wide-boundary DoE-based方法,可以找到最佳切削参数,缓慢而昂贵的测试需要确定绝对刀具寿命限制。
一种新颖的基于机器学习的方法建立了本文中描述的工作从start-of-life预测刀具寿命性能数据,减少实验成本和时间。与原始数据集是稀疏的,82%的目标数据丢失,该项目是特别具有挑战性。
Intellegens的新型机器学习软件,Alchemite™,1构建全面的模型从稀疏和嘈杂的数据和利用深度学习的独特见解。在这项研究中,提供工具AMRC 55钻/复合对时间序列数据,记录23加工反应,包括孔过程中测量指标和质量。利用其直观的拖放界面,这些数据很容易Alchemite上传™分析软件。
工具上的深度学习模型训练数据集。Alchemite™能够训练模型高确定系数为0.73,尽管缺少82%的数据。核心Alchemite™算法结合使用各种数据预处理步骤来完成这一精度高,减少固有噪声。
如图1所示,这些步骤包括数据分组,紧随其后的是聚合。分析显示,尽管数据从一个典型的测试数据集可以超过1000洞,200数据点足够提供深度洞察未来的工具切割性能的聚合。
图1所示。Alchemite™标识的最优孔钻性能预测未来的工具。情节展示了模型的准确性(平方)可以提高优化数据聚合和数据从200年测试(“洞钻”)使精度高。图片来源:Intellegens有限
Alchemite™创建了一个tool-composite模型的预测能力,利用稀疏数据量化潜在的洞察力,复杂的非线性属性/属性关系。
刀具寿命可以估计由于能够准确地预测未来退出分层(图2)钻洞的数量和材料选择等因素对刀具寿命的影响和工具几何学。
图2。3 d图展示的两个预测的准确性预测退出分层因素(DF)随钻的孔数。每种颜色表明一个独特的tool-composite副连接的点。图片来源:Intellegens有限
确保合适的工具没有不必要的测试,只有向前的最有前途的候选人更全面的工具试验可以通知一个实验活动的设计阶段。
有用的决策基于只有20%的掌握性能数据允许的进步基于更少的测试,导致减少80%与测试相关的直接成本,如材料损耗、加工和技术人员,以及那些与设备维护和检修。app亚博体育
识别和预测工具的生活无关的变量性能,允许额外的实验优化,启用了Alchemite可辩解的人工智能工具的使用™重要性,如图表。
预测的准确性Alchemite™添加的数据量成比例增加。随着tool-composite数据库的增加,因此,最优的工具可以确定一个新的复合组件增加了确定性。
因此,这个项目可能会延长确定最优tool-composite对更多的引导方式,降低实验成本和时间。更重要的是,一个高维特征空间的深入了解将结果从数据库填充tool-composite新的实验数据,导致一个不断循环的操作性能的提高。
关于AMRC和Intellegens
一个世界领先的研究和创新中心网络,谢菲尔德大学先进制造研究中心(AMRC)与制造公司来自世界各地。帮助该行业发展经济的方法控制钻井引起分层,AMRC已经采取一些历史性的碳纤维增强塑料和碳纤维增强塑料/金属栈钻井试验。
一个独特的机器学习解决方案实际实验和工业研发和制造过程数据问题是由Intellegens提供的。基于一种方法起源于剑桥大学的Alchemite™深度学习软件可以稀疏模型、噪声数据,其他机器学习方法不能成功。
它加速了创新在各个行业和领域,包括制定产品开发、合金和组件设计、添加剂制造,药物发现和优化化学过程。
引用
- “Alchemite™深度学习,解决复杂问题与现实世界数据”,Intellegens白皮书,2021(在线)。https://intellegens.com/alchemite-deep-learning-solving-complex-problems-with-real-world-data/
这些信息已经采购,审核并改编自Intellegens有限公司提供的材料。亚博网站下载
在这个来源的更多信息,请访问Intellegens有限。