Вештачката интелигенција го оптимизира CNC мелењето композити засилени со јаглеродни влакна |Светот на композитни материјали

Продукциската мрежа за вештачка интелигенција во Аугсбург-Технолошкиот центар за лесно производство на DLR (ZLP), Fraunhofer IGCV и Универзитетот во Аугсбург користат ултразвучни сензори за да го поврзат звукот со квалитетот на обработката на композитниот материјал.
Ултразвучен сензор инсталиран на CNC машина за мелење за следење на квалитетот на обработката.Извор на слика: Сите права се задржани од Универзитетот во Аугсбург
Производствената мрежа на Аугсбург AI (Вештачка интелигенција) основана во јануари 2021 година и со седиште во Аугсбург, Германија, ги обединува Универзитетот во Аугсбург, Фраунхофер и истражувањата за леење, композитни материјали и технологија за обработка (Fraunhofer IGCV) и германската технологија за лесна производство центар.Германски воздушен центар (DLR ZLP).Целта е заедничко истражување на производствените технологии засновани на вештачка интелигенција на интерфејсот помеѓу материјалите, производствените технологии и моделирањето базирано на податоци.Пример за апликација каде вештачката интелигенција може да го поддржи производниот процес е обработката на композитни материјали засилени со влакна.
Во новоформираната мрежа за производство на вештачка интелигенција, научниците проучуваат како вештачката интелигенција може да ги оптимизира производните процеси.На пример, на крајот на многу синџири на вредност во воздушната или машинската инженерство, CNC машинските алати ги обработуваат конечните контури на компонентите направени од полимерни композити засилени со влакна.Овој процес на обработка поставува високи барања за фреза.Истражувачите од Универзитетот во Аугсбург веруваат дека е можно да се оптимизира процесот на обработка со користење на сензори кои ги следат CNC системите за мелење.Тие моментално користат вештачка интелигенција за да ги проценат тековите на податоци обезбедени од овие сензори.
Индустриските производствени процеси обично се многу сложени и има многу фактори кои влијаат на резултатите.На пример, опремата и алатките за обработка брзо се носат, особено тврдите материјали како што се јаглеродните влакна.Затоа, способноста да се идентификуваат и предвидат критичните нивоа на абење е од суштинско значење за да се обезбедат висококвалитетни исечени и обработени композитни структури.Истражувањето на индустриските CNC машини за мелење покажува дека соодветната сензорска технологија во комбинација со вештачката интелигенција може да обезбеди такви предвидувања и подобрувања.
Индустриска CNC машина за мелење за истражување на ултразвучни сензори.Извор на слика: Сите права се задржани од Универзитетот во Аугсбург
Повеќето модерни CNC глодали имаат вградени основни сензори, како што се снимање на потрошувачката на енергија, силата на напојување и вртежниот момент.Сепак, овие податоци не се секогаш доволни за да се решат фините детали од процесот на мелење.За таа цел, Универзитетот во Аугсбург разви ултразвучен сензор за анализа на структурниот звук и го интегрира во индустриска CNC машина за мелење.Овие сензори детектираат структурирани звучни сигнали во ултразвучниот опсег генериран за време на мелењето и потоа се шират низ системот до сензорите.
Звукот на структурата може да донесе заклучоци за состојбата на процесот на обработка.„Ова е показател што ни е исто толку значаен како што е жицата за лакови за виолина“, објасни проф. Маркус Соус, директор на мрежата за производство на вештачка интелигенција.„Професионалците во музиката можат веднаш да утврдат од звукот на виолината дали е наместена и дали свирачот го владее инструментот“.Но, како се применува овој метод за CNC машински алати?Машинското учење е клучот.
Со цел да се оптимизира процесот на CNC мелење врз основа на податоците снимени од ултразвучниот сензор, истражувачите кои работеа со Sause користеа таканаречено машинско учење.Одредени карактеристики на звучниот сигнал може да укажат на неповолна контрола на процесот, што укажува дека квалитетот на мелениот дел е слаб.Затоа, оваа информација може да се користи за директно прилагодување и подобрување на процесот на мелење.За да го направите ова, користете ги снимените податоци и соодветната состојба (на пример, добра или лоша обработка) за да го обучите алгоритмот.Потоа, лицето кое управува со машината за мелење може да реагира на презентираните информации за статусот на системот или системот може автоматски да реагира преку програмирање.
Машинското учење не само што може да го оптимизира процесот на мелење директно на работното парче, туку и да го планира циклусот на одржување на производната фабрика што е можно поекономично.Функционалните компоненти треба да работат во машината што е можно подолго за да се подобри економската ефикасност, но мора да се избегнуваат спонтани дефекти предизвикани од оштетување на компонентите.
Предвидливото одржување е метод во кој вештачката интелигенција користи собрани податоци од сензорот за да пресмета кога делови треба да се заменат.За CNC машината за мелење што се проучува, алгоритмот препознава кога се менуваат одредени карактеристики на звучниот сигнал.На овој начин, не само што може да го идентификува степенот на абење на машинскиот алат, туку и да го предвиди точното време за промена на алатот.Овој и други процеси на вештачка интелигенција се инкорпорирани во мрежата за производство на вештачка интелигенција во Аугсбург.Трите главни партнерски организации соработуваат со други производствени капацитети за да создадат производна мрежа што може да се реконфигурира на модуларен и материјално оптимизиран начин.
Ја објаснува старата уметност зад првото засилување со влакна во индустријата и има длабинско разбирање за новата наука за влакна и идниот развој.


Време на објавување: Октомври-08-2021 година