Investigadores de la Ingeniería de la Universidad de Toronto, dirigidos por el zoológico del profesor Yu, están aprovechando el aprendizaje automático para mejorar la fabricación adicional, comúnmente conocida como impresión 3D.
En una nueva disertación, apareció en el Journal’s Journal Fabricación adicionalEl equipo ha introducido un nuevo marco que han nombrado el marco al alza correcto en una colección de energía dirigida por láser.
El nuevo marco editado mejora las impresiones láser tres para mejorar la precisión y la fuerza del producto terminado. El propósito de este progreso es desarrollar piezas metálicas de alta calidad para industrias, como la atención aeroespacial, automotriz, nuclear y de la salud, prediciendo cómo el metal derretirá y maximizará las condiciones de impresión.
“La adopción más amplia de la recolección de energía instruida, una importante tecnología de impresión 3D de metal, actualmente está obstruyendo el alto costo de encontrar parámetros máximos del proceso a través de pruebas y errores”, dice Xiao Shang, candidato a doctorado y primer autor del nuevo estudio.
“Nuestro marco identifica más y más parámetros de proceso para diversas aplicaciones basadas en las necesidades de la industria”.
La fabricación adicional de metal utiliza un excelente polvo de metal para fusibles selectivamente utilizando un láser de alta resistencia, lo que hace que la capa de capa a través del modelo digital 3D preciso.
A diferencia de los métodos tradicionales, que incluyen material de corte, fundición o mecanizado, la fabricación adicional de metal produce directamente ingredientes complejos y altamente personalizados con desechos de material mínimo.
“Uno de los principales desafíos de la impresión de metales 3D es el ritmo y la precisión del proceso de fabricación”, dice Zoo. “Las diferencias en las condiciones de impresión pueden crear contradicciones en la calidad del producto final, lo que dificulta cumplir con los estándares de la industria para la confiabilidad y la seguridad.
“Otro desafío importante es determinar la configuración máxima para la impresión de diferentes materiales y piezas. Cada contenido es el titanio para aplicaciones aeroespaciales y médicas o características de acero inoxidable en el out inoxidable para reactores nucleares, que requieren resistencia láser específica, velocidad de escaneo y condiciones de temperatura.
Estos desafíos alentaron a Zoo y su grupo de laboratorio a desarrollar su nuevo marco. El asistente trabaja en un sistema de circuito cerrado donde un algoritmo genético es un método que imita las opciones naturales para encontrar soluciones máximas, primero sugiere una combinación de parámetros del proceso, después de lo cual el modelo de aprendizaje automático revisa los estándares de impresión.
El algoritmo genético examina estas predicciones tanto como sea posible, hasta que los mejores parámetros reiteren el proceso.
“Hemos demostrado que nuestro marco puede identificar los parámetros del máximo de personalizaciones en al menos una hora, y predice la geometría a partir de los parámetros del proceso”, dice Shang. “También es versátil y se puede usar con contenido diferente”.
Para desarrollar el marco, los investigadores han realizado numerosos experimentos para recopilar sus amplios datos. Este desafío esencial pero que consumo tiempo aseguró que las datos cubrieran una amplia gama de parámetros de proceso.
Zoo dice que el equipo está trabajando para desarrollar un sistema de fabricación adicional mejor independiente o autoadeñado que funcione con la menor intervención humana, al igual que los vehículos autónomos funcionan ellos mismos.
Él dice: “Al combinar los últimos métodos de fabricación con inteligencia artificial, nuestro objetivo es crear un novedoso sistema de láser controlado por el bucle cerrado”.
“Este sistema podrá ajustar automáticamente los parámetros de procesamiento para que se sientan posibles en tiempo real, predecir problemas y garantizar una producción de alta calidad. Serán suficientes versátiles para trabajar con geometría de diferentes sustancias y piezas, lo que lo convertirá en una industria manufacturera”.
Mientras tanto, los investigadores esperan que la ayuda cambie la corrección de las industrias que usan la impresión 3D de metal.
“Las industrias como aeroespacial, biomédica, automotriz, nuclear y más, darán la bienvenida a una solución tan baja y precisa para aliviar su transferencia de la fabricación tradicional a la fabricación tradicional”, dice Shang.
Zhou agregó: “Para el año 2030, se espera que la fabricación adicional restaure la fabricación en numerosas industrias de alta precisión”. “La capacidad de corregir defectos y mejorar los parámetros acelerará su adopción”.
