亚洲国产综合精品一区,综合伊人久久在,久久高清内射无套,天堂√在线中文官网在线,亚洲—本道中文字幕东京热,亚洲高清专区日韩精品,超碰免费公开,国内免费久久久久久久久
歡迎訪問深圳市中小企業公共服務平臺電子信息窗口

蘋果工程師用 AI 賦能“工業 3D 打印”,讓成品與設計圖差距大幅縮小

2021-07-05 來源:中電網
5669

近日,蘋果軟件工程師 Zhu Zeliang Liu 和伊利諾伊大學土木與環境工程教授 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 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 打印要工業化許多,在一些特定情況下能夠作為數控加工(CNC machining)、注射成型(injection molding)和熔模制造(investment casting)的替代方案,在工業制造中節省更多成本,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。



一、預測增材制造過程中受到物質轉化的影響,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,以及它們之間的轉化”。同時,他也強調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)和神經網絡(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網絡來構建預測模型

當前主流的神經網絡模型都需要大量數據來進行模擬訓練。但在增材制造領域,獲得高保真的數據是一件很困難的事情。Zhu Zeliang Liu 表示,為了減少對數據的需求,團隊嘗試研究“物理信息神經網絡(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據量并提高我們當前模型的能力?!彼f。


三、該模型的預測結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(simulated the dynamics of two benchmark experiments):一個是當固體和液態金屬相互作用的 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,他們將實驗數據輸入到他們的神經網絡模型中。在激光束熔化測試中,他們使用了實驗數據以及計算機模擬的結果。

該團隊的神經網絡模型能夠重現這兩個實驗的動態。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),誤差在實際結果的 10% 以內。這個結果顯示該模型已經具備預測增材制造過程的能力。


結論:預測增材制造過程的技術,在工業制造領域有廣泛的前景

在 2021 年一月,該團隊已經在 Computational Mechanics 上發表了他們的研究成果。Zhu Zeliang Liu 說,“這是神經網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?!?/p>

增材制造能夠讓人們在制造業(manufacturing)、汽車工程(automotive engineering)甚至外太空(outer space)中按需生產零件或產品,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網絡作為快速預測工具,在預測增材制造過程時,提供參數設置的建議。



主站蜘蛛池模板: 一本大道无码日韩精品影视丶| 日日干夜夜操高清视频| 激情综合色五月丁香六月亚洲| 国产精品欧美亚洲韩国日本久久 | 亚洲狠狠婷婷综合久久久久图片| 精品一区二区不卡无码av| 久久99国产精品二区| 四虎影库久免费视频| 怡红院精品久久久久久久高清 | 国产极品美女到高潮| yyyy11111少妇无码影院| 手机国产乱子伦精品视频| 无码专区一va亚洲v专区在线| 欧美精品日韩精品一卡| 国产性夜夜春夜夜爽| 动漫精品视频一区二区三区| 国产成人综合亚洲亚洲国产第一页| 青草影院内射中出高潮| 正在播放国产对白孕妇作爱| 久久久喷潮一区二区三区| 2020国产成人精品影视| 精品国产亚洲一区二区三区在线观看 | 久久无码中文字幕免费影院| 日本熟日本熟妇中文在线观看| 男女做爰猛烈啪啪吃奶动| 国产手机在线亚洲精品观看| 亚洲欧美日韩国产成人一区| 久久午夜神器| 激情航班h版在线观看| 无遮挡啪啪摇乳动态图gif | 无码纯肉动漫在线观看| 鲁鲁网亚洲站内射污| 色诱久久久久综合网ywww| 国产极品美女到高潮| 亚洲热线99精品视频| 亚洲欧美v国产一区二区| 国产亚洲色欲色一色www| 国产亚洲精品久久77777| 好吊妞视频这里有精品| 成年无码动漫av片在线观看羞羞| 国产精品自在拍一区二区不卡|