復材網
奧格斯堡AI生產網路（包括DLR 輕量化生產技術中心[ZLP]、Fraunhofer IGCV和奧格斯堡大學）使用超聲波感測器將聲音與複合材料加工質量相關聯。
安裝在 CNC 銑床上的超聲波感測器，用於監控加工質量
奧格斯堡 AI（人工智慧）生產網路——成立於 2021 年 1 月，總部位於德國奧格斯堡——彙集了奧格斯堡大學、弗勞恩霍夫鑄造研究所、複合材料和加工技術研究所和德國航空航天中心輕量化生產技術中心（DLR ZLP）。目的是在材料、製造技術和基於資料的建模之間的介面上聯合研究基於人工智慧的生產技術。人工智慧可以支援生產過程的一個應用例項是纖維增強複合材料的加工。
在新成立的人工智慧生產網路中，科學家們正在研究人工智慧如何最佳化生產流程。例如，在航空航天或機械工程的許多價值鏈的末端，數控機床加工由纖維增強聚合物複合材料製成的部件的最終輪廓。這種加工工藝對銑刀提出了很高的要求。奧格斯堡大學的研究人員認為，透過使用監控 CNC銑削系統的感測器有可能最佳化加工過程。他們目前正在使用人工智慧來評估這些感測器提供的資料流。
工業製造過程通常非常複雜，影響結果的因素很多。例如，裝置和加工工具磨損很快，尤其是碳纖維等硬質材料。因此，識別和預測臨界磨損程度的能力對於提供高質量的修剪和機加工複合材料結構至關重要。對工業 CNC銑床的研究表明，合適的感測器技術與人工智慧相結合，可以提供此類預測和改進。
結構聲與機器學習
大多數現代數控銑床都有一些內建的基本感測器，例如記錄能量消耗、進給力和扭矩。然而，這些資料並不總是足以解決銑削過程中的細節問題。為此，在奧格斯堡大學開發了用於分析結構聲的超聲波感測器，並將其整合到工業CNC銑床中。這些感測器檢測銑削過程中產生的超聲波範圍內的結構傳播聲音訊號，然後透過系統傳播到感測器。
用於超聲波感測器研究的工業數控銑床
透過結構聲可以得出關於加工過程狀態的結論。“這是一個對我們來說就像拉弓對小提琴一樣有意義的指標，”人工智慧生產網路主管解釋說。“音樂專業人士可以立即從小提琴的聲音中判斷出它是否調準以及演奏者對樂器的掌握程度。” 但是這種方法如何適用於 CNC 機床？機器學習是關鍵。
為了根據超聲波感測器記錄的資料最佳化CNC 銑削過程，與 Sause合作的研究人員利用了所謂的機器學習。聲學訊號的某些特徵可能表示不利的過程控制，這表明銑削部件的質量較差。因此，可以利用這些資訊直接調整和改進銑削工藝。為此，使用記錄的資料和相應的狀態（例如加工好或壞）訓練演算法。然後，操作銑床的人員可以對呈現的系統狀態資訊做出反應，或者系統可以透過程式設計自動做出反應。
預測性維護-採取前瞻性行動
機器學習不僅可以直接在工件上最佳化銑削過程，還可以儘可能經濟地規劃生產工廠的維護週期。功能部件需要儘可能長時間地在機器中工作以提高經濟效益，但必須避免因部件損壞而導致的自發故障。
預測性維護是一種 AI 使用收集的感測器資料計算何時應該更換零件的方法。對於正在研究的 CNC 銑床，演算法會識別聲音訊號的某些特徵何時發生變化。透過這種方式，它不僅可以識別加工刀具的磨損程度，還可以預測更換刀具的正確時間。這個和其他人工智慧流程正在被納入奧格斯堡的人工智慧生產網路。三個主要的合作伙伴組織正在與其他生產設施合作，以建立一個可以以模組化和材料最佳化的方式重新配置的製造網路。
十九年的行業資源活力
十九年的品牌傳播實力
十九年的活動舉辦能力
新品釋出，首選復材網
400 9696 921
來源：CompositesWorld
更專業更精彩內容請瀏 覽 器搜尋：復材網
宣告：本公眾號釋出的文章，僅用於複合材料專業知識和市場資訊的交流與分享，不用於任何商業目的。任何個人或組織若對文章版權或其內容的真實性、準確性存有疑義，請第一時間聯絡我們。我們將及時進行處理。
