碳纤维2021

图1.在复合材料零件加工过程中提供热化学分析的不同解决方案的保真度/准确性和模拟时间之间的权衡。图片来源:聚合制造技术。

纤维增强聚合物(FRP)复合材料的加工是一个涉及热传质、热化学相变和高度非线性、时变粘弹性应力发展的复杂多物理问题。为了降低制造风险和整体生产成本,最近越来越强调过程模拟以减少缺陷,而不是依赖于专有技术和反复试验。这种数字授权方法通常使用通用商业有限元(FE)仿真工具,如ABAQUS (达索系统公司股价, Vélizy-Villacoublay,法国)或有限元分析软件(Canonsburg Pa。,以及专业的FE工具,如COMPRO (收敛的制造技术包括内置材料库,以代表复合材料性能在加工过程中的复杂演变。

目前,这种方法的工业实施依赖于对零件进行昂贵的三维有限元分析工具,它们受到对流加热。在初步设计阶段,需要多次设计迭代,以确定细节,如零件厚度,铺层,固化周期和模具材料和几何形状。对于给定的大型部件,如复合材料机翼蒙皮,使用3D有限元模拟进行分析可能需要数周时间

在初步设计阶段,可采用降阶有限元来代替三维有限元,以加快工艺模拟的速度。例如,对于复合材料的热化学分析,薄型零件的主要传热机制是穿过厚度,远离边缘和刀具子结构。因此,一维有限元分析可以作为零件的三维响应的一个很好的近似,一个复杂的零件可以被划分成独特的区域来进行几次一维有限元分析,而不是整个零件的三维有限元分析。这加快了初步设计阶段的过程模拟。然而,如图1所示,存在速度与保真度的权衡。

然而,从初步设计到详细设计,需要完成大量的3D有限元模拟。即使使用能够进行简化过程模拟的软件,如Convergent Manufacturing Technologies的复合材料生产能力评估-热分析(CPA-TA),对大型复合材料组件的模拟可能仍然需要几分钟到一个小时。尽管与全3D有限元相比,这是一个显著的增益,但它仍然不够快,不足以有效地探索整个设计谱进行优化。

用机器学习代替有限元

鉴于机器学习(ML)和数据驱动方法的最新进展,科学和工程的许多分支已经开始为不同的应用实现ML。一个新兴的应用是训练快速的替代ML模型来代替缓慢的有限元仿真工具。在这种方法中,使用有限元模型根据输入参数的不同假设自动生成大量数据。这些数据可以用来训练不同的ML模型,如神经网络(NN),随机森林模型或高斯过程回归(GPR)模型。一个经过适当训练的替代模型可以很好地复制用于训练它的有限元模型,但在模拟速度上有显著的提高。

在华盛顿大学的Navid Zobeiry教授、英属哥伦比亚大学的Anoush Poursartip教授和Convergent制造技术公司的一个团队最近的合作中,除了简化的有限元建模外,还开发了替代ML模型,以加快复合材料加工模拟。在本研究中,建立替代神经网络模型来替代降阶有限元。这些模型使用了Convergent Manufacturing Technologies公司RAVEN软件的有限元模拟生成的数据,以及控制复合材料固化问题的理论(即理论引导的机器学习或TGML)。这些神经网络模型可以使用与有限元模拟相同的输入来预测复合材料加工期间的关键性能指标,包括放热固化反应期间的最大部件温度。平均而言,使用典型的计算机工作站,速度增益是使用这些ML模型的FE模型的1000到10000倍。这使得大型复合组件的模拟速度接近实时。

图2.对比使用不同模拟方法对典型复合材料零件在殷钢工具上进行热化学分析的模拟时间。图片来源:聚合制造技术

这些替代神经网络模型最近通过收敛制造技术在CPA-TA中实现,并在大型复合材料机翼蒙皮的过程仿真中验证了其性能。图2所示为典型的5 × 10米翼皮设计,具有代表性的厚度定义包括40至80层厚度,以及典型翼皮的垫层、厚度下降和其他特征。在典型的计算机工作站使用ABAQUS中的COMPRO商业软件包,使用3D有限元对具有代表性的生产工具进行机翼蒙皮的过程模拟,耗时数小时。值得注意的是,使用这种方法进行流程优化将花费数天或数周的时间。在第二次尝试中,机翼表皮被分成30个独特的一维几何图形。使用降阶有限元,对整个机翼蒙皮进行了9次模拟,使用3个温度循环和3种工具厚度进行优化。在CATIA 5中使用CPA-TA进行的这些模拟在用于3D有限元的同一台计算机上花费了大约半个小时。

在最后的演示中,使用训练有素的神经网络模型在CPA-TA中进行了相同的仿真,取得了非凡的结果。与降阶有限元相似,机翼蒙皮被划分为30个区域,在不同的工装厚度和空气温度剖面下进行了9次模拟。然而,这些模拟仅在两秒钟内完成。这些仿真方法的对比(图2)清楚地表明,ML方法能够实现接近实时的仿真能力,并为复杂复合结构节省大量时间。值得注意的是,这里讨论的技术的成功也可以应用于其他工程应用。

关于作者

Navid Zobeiry

Navid Zobeiry是华盛顿大学(华盛顿州西雅图市)材料科学与工程的助理教授。,美国)。他曾在不列颠哥伦比亚大学(University of British Columbia)担任研究助理,领导复合材料研究网络(Composites research Network)的制造和测试。在他的研究生涯中,他与航空航天和汽车制造商以及材料供应商在广泛的主题上进行了广泛的合作,包括材料和工艺表征、工艺模拟和优化、制造缺陷和理论指导的机器学习。

相关内容

碳纤维2021