在digital-design-engineering世界,在先进制造业的创新的基础,艾未未的“深度学习”有可能改变世界如何使产品在高度积极的方式。gydF4y2Ba

现在有一个紧急的机会,充分利用计算机辅助工程的工具(计算流体动力学、有限元分析、电磁仿真和更多)使用人工智能的功能。是的,我们在谈论设计optimization-but前所未有的优化,自动化与机器学习、速度和精度水平远远超出了今天大多数制造商可以通过。gydF4y2Ba

我们说量子跳跃效率和准确性:人工智能工具可以减少仿真时间从小时到几秒钟,使用深度学习自动评估,然后逐步修改,起的几何边界,用户dictates-in以创建特定的结果。结果,最终设计达到任何属性的理想结合其制造商优先:轻重量,减少压力和疲劳,最佳的流体流动、热量交换,电导率,耐用性、整合部分,和更多。gydF4y2Ba

这怎么可能?用更少的数据处理,而不是更多。gydF4y2Ba

现在没有逃脱物理定律;你必须做你的设计勤奋,使用任何市场领先CAE工具是最符合您公司的产品需求。但是人工智能软件可以添加到数字化设计平台工作的能力在你现有的仿真工具,减少需要计算每一个微分方程。gydF4y2Ba

人工智能实现这一壮举的非传统的方式解决CFD或有限元方程:机器学习考察,然后模拟,整体gydF4y2Ba物理gydF4y2Ba设计的行为,而不是每一个数学问题行为背后的原因。它使用更少的计算资源,达到一个非常健壮的评价设计在每一个适用的环境。成千上万的设计候选人可以在不到一天的模拟和评估。底线是:应用人工智能放大典型的10 - 20%的性能改进的仿真工具独自一个人到30%甚至更高。(当然这是真实世界的测试完成的部分仍然是一个至关重要的任务,以确保所有的质量和性能指标。)gydF4y2Ba

添加剂生产一种独特的人工智能的机会gydF4y2Ba

而机器学习可以受益的设计产品,通过任何类型的生产过程或生产技术,与加法制造(AM), AI也许是最互补的。机器学习可以充分探索AM-design空间,识别每一种物理的真实限制将适用于一个特定的组件。这释放了我独特的权力交付任何程度的几何复杂性将使最具创意和有成本效益的解决一个困难的工程挑战。gydF4y2Ba

这种加法制造的结合和艾城已被成功地应用于优化和改善等不同的加法制造物品的性能3 d打印的换热器用于喷气发动机,一个冠军的摩托车,心脏泵的叶轮叶片对心力衰竭患者和许多其他应用程序在先进的产业。gydF4y2Ba

更重要的是,某些AM-system制造商也认识到这个功能的价值来提高自己的机器,节约时间,提高性能和微调他们的输出的准确性。gydF4y2Ba

这里有一个有趣的例子是设备供应商,使用深度学习软件来优化他们的3 d打印机:gydF4y2Ba

现在先进的金属生产零部件的认证火箭、飞机、和重工业(石油天然气、电力、等),客户对大量设备的需求飙升。几年前,预期,加州Velo3D开始设计其大量蓝宝石XC(额外的能力,400%的大构建室)包括八个1000瓦的激光器,四倍原来的蓝宝石机器。gydF4y2Ba

激光产生的烟尘时熔化金属粉末材料在一个构建室。在这个过程中一些物质蒸发和凝结成非常小的微粒,可以挡住激光目标粉床。的解决方案是提供一个恒流的惰性气体(通常氩,但这取决于材料的反应被融化)在清除烟尘的生成。gydF4y2Ba

有时,然而,粒子可以逃脱这个流和土地上的windows激光进入室内,造成污染和加热,可以扭曲窗口本身。实际上这将创建的一个意想不到的“镜头”光学路径,其预期的激光弯曲方向和散焦的光斑尺寸材料的床。因为这可以理解影响构建质量,必须在构建激光窗口保持清洁。gydF4y2Ba

解决的挑战会更大gydF4y2Ba

Velo3D已经认为通过最佳气体流的大机器的整体构建室。但他们知道粉末床的时间越长,体积更大的内部,和更严格的包装更多的激光将是一个挑战在创建光学窗口XC系统喷嘴。是预期的新机器产生的烟尘量大约是原来的四倍。gydF4y2Ba

公司第一次尝试一些内部计算流体力学(CFD)模拟,然后外包软件提供商,但结果低于他们的预期性能。所涉及的时间设置多个CFD模拟迭代,而手动更改参数,如喷嘴孔的直径,是劳动密集型的,基本上guess-and-check很多痛苦。gydF4y2Ba

Velo3D要求PhysicsX设计和模拟解决方案。PhysicsX上有丰富的经验在模拟、优化和设计紧包(从F1赛车的大量工作和专业知识在数据科学、机器学习和工程模拟),加上专有simulation-validated工具,可以自动迭代设计使用机器学习/基于ai模拟。PhysicsX方法涉及创建一个健壮的CFD之间的循环,生成几何创建工具和一个人工智能控制器来训练一个几何深度学习代理。代理的速度,生产高质量的CFD结果在第二个,然后利用超高速几何生成方法在另一个机器学习循环,深入优化设计工程师决定向哪个多个目标是很重要的。富达的深度学习工具和健壮的工作流可以实现一个高度精确的解决方案进行最后的验证结果与验证CFD模型。gydF4y2Ba

Velo3D窗口中喷嘴的情况下,许多指标被用来自动再循环流的量化分数在氩窗帘旅行向上向窗户走去。蓝宝石窗口PhysicsX基准测试解决方案在项目的开始,然后应用自营AI /机器学习软件,运行大量的模拟来优化最终设计。这导致产生最佳氩窗帘流喷嘴设计,工作时制造信封内的加法机。gydF4y2Ba

错综复杂的最终导向叶片的设计将是一个挑战,很多传统的系统,但是蓝宝石机器的能力3 d打印极薄,光滑和低角叶片交付允许喷嘴的几何函数。最终设计进行优化和生产在一个原始蓝宝石和first-ever-manufactured蓝宝石XC与新window-nozzle部分成功运行的一个例子是机器印刷自己的部分。gydF4y2Ba

一个转换为加法制造设计的机会gydF4y2Ba

这AM-nozzle-optimization例子充分体现了人工智能优化设计之间潜在的协同作用和3 d印刷在很多方面。没有高科技发展可能发生这些天没有计算机仿真发挥作用。然而,模拟过程还涉及大量的计算资源和实践优化技巧,缓慢的过程改进,这样正是我行业仍在工作。gydF4y2Ba

这就是人工智能可以介入智能加速和自动化决策在添加剂工作的设计师和工程师。在上面的案例中,深度学习不仅改变了一个工作的几何优化3 d打印机组件,而且还提高了激光系统的关键功能,使极端敏锐,因此最终的产品质量。这些属性,是行业仍然需要扩大和交付在全球根据什么航空、汽车、科学,医学和其他领域正在寻找的技术。深度学习可以加速器将是行业实现这些目标。gydF4y2Ba