Інтелектуальна система з Нанкіна: Революційний прорив у прогнозуванні температури для адитивного виробництва металів у реальному часі

Науковці з Університету Нанкінської Технології представили інноваційну модель штучного інтелекту, що знаменує собою суттєвий, навіть революційний, прогрес у сфері адитивного виробництва металів. Ця високотехнологічна система, яка ґрунтується на фундаментальних фізичних принципах термодинаміки та теплопередачі, була спеціально розроблена для оперативного прогнозування температурних режимів. Це критично важливий аспект, що виникає під час процесу дугового адитивного виробництва з використанням дроту (WAAM), який є одним із найбільш перспективних методів великогабаритного 3D-друку металом.

Оприлюднення результатів цієї важливої роботи у впливовому міжнародному журналі Communications Engineering є знаковою подією на шляху до підвищення загальної якості та забезпечення стабільності металевих деталей, виготовлених методом 3D-друку. Суть розробки полягає у створенні гібридної фізично-інформованої рекурентної нейронної мережі геометричного типу. Такий інноваційний підхід успішно поєднує основоположні закони фізики з потужністю глибокого машинного навчання, що дозволяє не лише точно, але й динамічно моделювати складну теплову поведінку матеріалу під час його нарощування, враховуючи всі просторові та часові зміни.

Ключовим досягненням, яке має вирішальне значення для негайного промислового застосування, є безпрецедентна швидкість роботи системи. У той час як класичні обчислювальні методи, наприклад, моделювання кінцевих елементів (FEM), можуть вимагати до однієї години для отримання достовірних та детальних результатів, нова модель демонструє вражаючу продуктивність. Вона здійснює необхідне прогнозування всього за 12 мілісекунд. Така блискавична оперативність є критично необхідною для негайного впровадження замкнених циклів зворотного зв'язку безпосередньо у промислові виробничі процеси, забезпечуючи миттєве реагування на будь-які відхилення від заданих параметрів.

Команда дослідників, очолювана Мінсюанем Тянем зі Школи Механіки та Енергетики, успішно вирішила подвійне завдання: подолати обчислювальну повільність класичних симуляцій та мінімізувати накопичення похибок, які є характерними для моделей, що базуються виключно на великих масивах даних. У ході масштабних експериментів, які включали пошаровий друк тонкостінних сталевих конструкцій за допомогою роботизованої установки WAAM, модель продемонструвала високу точність. Максимальна похибка прогнозу становила близько 4,5% у симуляціях та 13,9% під час реальних фізичних випробувань, що є надзвичайно обнадійливим показником для складних та динамічних виробничих умов.

Система здатна стабільно прогнозувати еволюцію температури на значний період — до 10 секунд. Це часове вікно є абсолютно ключовим для ефективного управління тепловими потоками, контролю швидкості охолодження та, як наслідок, зниження залишкових напружень у готовому матеріалі. Контроль температури в металевому 3D-друці є наріжним каменем забезпечення якості, оскільки нерівномірне або занадто швидке нагрівання чи охолодження неминуче призводить до появи серйозних дефектів, таких як мікротріщини та макроскопічні деформації, що підриває структурну цілісність і довговічність кінцевого виробу.

Впровадження фізичних обмежень безпосередньо в архітектуру нейронної мережі гарантує, що всі прогнози залишаються не лише швидкими, але й фізично обґрунтованими. Це дозволяє системі ефективно узагальнювати дані та застосовувати їх для різних геометричних форм та режимів процесу, підвищуючи її універсальність. Дослідники також підкреслили, що скорочення часу на початкове навчання завдяки використанню трансферного навчання значно підвищує практичну застосовність та адаптивність цієї технології до різноманітних виробничих умов. Цей методологічний стрибок відкриває широкі перспективи для реалізації систем прямого керування (feed-forward control) в адитивному виробництві, дозволяючи обладнанню автоматично коригувати критичні параметри, як-от підведення тепла або швидкість подачі дроту, ще до того, як потенційні проблеми встигнуть виникнути, забезпечуючи ідеальний результат.