7 月 3 日消息,近日,蘋果軟件工程師 Zhu Zeliang Liu 和伊利諾伊大學土木與環(huán)境工程教授 Jinhui Yan 正在嘗試使用機器學習來預測增材制造(Additive Manufacturing,AM)過程。
增材制造技術與 3D 打印技術所類似,但兩者仍有差異。根據(jù) GE additive 的描述,3D 打印一般采用噴墨式(inkjet-style),適合普通消費者的個性化需求。而增材制造的工藝比 3D 打印要工業(yè)化許多,在一些特定情況下能夠作為數(shù)控加工(CNC machining)、注射成型(injection molding)和熔模制造(investment casting)的替代方案,在工業(yè)制造中節(jié)省更多成本,更符合制造商的需要。
然而,提前預測增材制造過程是一個挑戰(zhàn)。
一、預測增材制造過程中受到物質(zhì)轉(zhuǎn)化的影響,不容易被預測
伊利諾伊大學博士生 Qiming Zhu 說,“在預測增材制造過程時,需要將多個變量都考慮進去,例如氣體、液體和固體,以及它們之間的轉(zhuǎn)化”。同時,他也強調(diào)增材制造過程會受到廣泛的空間和時間尺度(spatial and temporal scales,打印物品的大小和花費的時間長度)的影響,小范圍的測試可能和增材制造的成品有巨大差距。
Zhu Zeliang Liu 和 Jinhui Yan 組成了團隊,嘗試使用機器學習來解決這些問題。他們嘗試用深度學習(deep learning)和神經(jīng)網(wǎng)絡(neural network)來預測增材制造過程中的每一步步驟。
二、團隊嘗試利用物理信息神經(jīng)網(wǎng)絡來構(gòu)建預測模型
當前主流的神經(jīng)網(wǎng)絡模型都需要大量數(shù)據(jù)來進行模擬訓練。但在增材制造領域,獲得高保真的數(shù)據(jù)是一件很困難的事情。Zhu Zeliang Liu 表示,為了減少對數(shù)據(jù)的需求,團隊嘗試研究“物理信息神經(jīng)網(wǎng)絡(physics informed neural networking)”或 PINN。
“通過合并守恒定律(incorporating conservation laws),并用偏微分方程表示(partial differential equations),我們可以減少訓練所需的數(shù)據(jù)量并提高我們當前模型的能力。”他說。
三、該模型的預測結(jié)果準確度高達九成以上
該團隊模擬了兩個基準實驗的動態(tài)(simulated the dynamics of two benchmark experiments):一個是當固體和液態(tài)金屬相互作用的 1D 凝固(1D solidification)實驗;另一個是激光束熔化試驗(laser beam melting tests),選自 2018 年 NIST 增材制造基準測試系列(2018 NIST Additive Manufacturing Benchmark Test Series)。
在 1D 凝固案例中,他們將實驗數(shù)據(jù)輸入到他們的神經(jīng)網(wǎng)絡模型中。在激光束熔化測試中,他們使用了實驗數(shù)據(jù)以及計算機模擬的結(jié)果。
該團隊的神經(jīng)網(wǎng)絡模型能夠重現(xiàn)這兩個實驗的動態(tài)。在 NIST Challenge 的情況下,它預測了實驗中的溫度(temperature)和熔池長度(melt pool length),誤差在實際結(jié)果的 10% 以內(nèi)。這個結(jié)果顯示該模型已經(jīng)具備預測增材制造過程的能力。
結(jié)論:預測增材制造過程的技術,在工業(yè)制造領域有廣泛的前景
在 2021 年一月,該團隊已經(jīng)在 Computational Mechanics 上發(fā)表了他們的研究成果。Zhu Zeliang Liu 說,“這是神經(jīng)網(wǎng)絡首次應用于金屬增材制造過程的建模(metal additive manufacturing process modeling),顯示出基于物理的機器學習(physics-informed machine learning)在增材制造領域具有巨大潛力。”
增材制造能夠讓人們在制造業(yè)(manufacturing)、汽車工程(automotive engineering)甚至外太空(outer space)中按需生產(chǎn)零件或產(chǎn)品,減少材料浪費的可能性。Zhu Zeliang Liu 認為,未來工程師將使用神經(jīng)網(wǎng)絡作為快速預測工具,在預測增材制造過程時,提供參數(shù)設置的建議。
來源:Scienmag 和 GE additive
廣告聲明:文內(nèi)含有的對外跳轉(zhuǎn)鏈接(包括不限于超鏈接、二維碼、口令等形式),用于傳遞更多信息,節(jié)省甄選時間,結(jié)果僅供參考,IT之家所有文章均包含本聲明。