返回顶部
返回首页
返回首页
今日    | 手机版 | 信息站 | 企业 | 原料 | 热点 | 商道 | 资讯 |
home 您现在的位置: 首页 >建筑机械>技术中心 > 详细信息
将技术与颜色融合以避免设计失败:可以使用各种软件包来评估产品和预测故障
2021年04月18日    阅读量:3158     新闻来源:中国建材网 cnprofit.com    |  投稿

可以使用各种软件包来评估产品和预测故障。但是,这些软件包的计算量很大,并且要花费大量时间才能生成解决方案。更快的解决方案意味着不太准确的结果中国建材网cnprofit.com


为了解决这个问题,宾夕法尼亚州立大学的一个研究人员研究了机器学习和图像着色算法的使用,以减轻计算负荷,保持准确性,减少时间并预测多孔材料的应变场。他们在《计算材料科学》杂志上发表了他们的工作,并在Procedia Engineering中发表了相关的演讲和论文集。


工程设计,技术和专业课程学院工程设计助理教授克里斯·麦科姆(Chris McComb)说:“设计总会有人性化的一面。” “有些可能挽救生命的产品需要增材制造,并且可能使设计受挫。这些模拟和评估需要很长时间,因此对我们来说,重要的是要帮助其更快,更轻松地交付安全的产品。”


作者包括Pranav Milind Khanolkar,他是2020年春季工业工程硕士的校友;亚伦·亚伯拉罕(Aaron Abraham),工业工程专业本科生;Saurabh Basu,工业工程学助理教授;和麦康布。


将技术与颜色融合以避免设计失败:可以使用各种软件包来评估产品和预测故障 中国建材网,cnprofit.com


作为其硕士学位的一部分,Khanolkar研究了ABAQUS的使用,ABAQUS是一种用于在增材制造中执行详细模拟的广泛使用的软件。研究人员认为,该软件可能会出现问题,因为其速度和性能水平取决于计算机的硬件处理能力。


为了加快仿真速度,该团队实施了机器学习算法,以减少对计算要求很高的有限元分析(FEA)的独占使用。由ABAQUS解释,FEA可以预测由于材料故障以及产品的动力学,控制和联合行为而产生的裂纹,冲击和碰撞事件。


机器学习算法可用于预测机械性能和材料参数,与传统的有限元分析相比,它速度更快且使用的计算能力更少。


Khanolkar和Abraham使用ABAQUS在数百小时的工作中完成了高质量的FEA,并在模拟的,结构有缺陷的机械零件上完成了数千个数据样本。然后,他们使用这些数据样本来训练机器学习算法,以估计FEA结果并仅在很少的时间内保持高精度。


该团队将图像着色算法应用于材料微结构数据,并重新设计了算法,这些算法通常用于为黑白照片添加颜色。


在原始情况下,算法会拍摄一张黑白照片,并返回红色,绿色和蓝色通道以生成新的彩色版本。在团队的工作中,该算法获取材料微观结构的简单图像,并返回代表产品中不同类型潜在故障的通道。


Basu说:“体积缺陷会以多种方式影响组件的性能,因此在组件的设计过程中了解这种影响是关键。” “当不可避免地出现缺陷时,例如在增材制造部件中,这种理解可以帮助决定如何更改设计以使存在的缺陷是可以容忍的。这可以通过运行不同的设计方案并最终更改设计以达到更大的目的来实现。结构上负责任的部分。我们的研究得出的见解是朝着这样一个框架迈出的第一步。”


对于Khanolkar而言,这项工作帮助他深入了解了机器学习技术,为他目前在多伦多大学机械和工业工程领域的博士研究提供了指导。


“在设计过程中使用智能技术来帮助人们并赋予他们创造力和同情心很重要,” Khanolkar说。“这些算法需要大量的计算能力,并且在本文中使用人工智能可以使设计师在不影响生产成本的情况下更具创造力。”


标签:企业聚焦行业资讯原料动态今日头条产品资讯建材应用市场评论技术中心建筑机械机械设备
免责声明: 本文仅代表作者本人观点,与本网无关。本网对文中陈述、观点判断保持中立,不对所包含内容的准确性、可靠性或完整性提供任何明示或暗示的保证。请读者仅作参考,并请自行承担全部责任。本网转载自其它媒体的信息,转载目的在于传递更多信息,并不代表本网赞同其观点和对其真实性负责。如因作品内容、版权和其它问题需要同本网联系的,请在一周内进行,以便我们及时处理。客服邮箱:service@cnso360.com | 客服QQ:23341571

全站地图 | 二级目录 | 上链请联系QQ:23341571

深圳网络警察报警平台 深圳网络警
察报警平台

公共信息安全网络监察 公共信息安
全网络监察

经营性网站备案信息 经营性网站
备案信息

中国互联网举报中心 中国互联网
举报中心

中国文明网传播文明 中国文明网
传播文明

深圳市市场监督管理局企业主体身份公示 工商网监
电子标识