超算、人工智能将以软实力“硬核”推动涡轮机械高性能3D打印组件的应用

3D打印技术以实现复杂设计的优势在高附加值零部件制造领域得到了应用发展。比如说,GE与西门子都在利用金属3D打印技术实现燃气轮机复杂燃烧组件的突破,GE 已交付给中国使用的HArrie 重型燃气轮机打破了自己的净效率记录,3D打印技术所制造的关键部件功不可没。

但3D打印技术的广泛应用仍有诸多制约因素需要克服,其中一个因素是减少3D打印零件创建与验证所需要的时间,高效的制造出合格的3D打印零部件。

根据 的市场观察,GE将与橡树岭国家实验室(ORNL)以及施乐旗下的PARC公司合作,以喷气发动机,风力涡轮机和燃气轮机等涡轮机械中的复杂热、流体零部件为切入点,通过人工智能技术、超级计算机将这类3D打印零件的创建与验证时间减少近65%。这一合作项目获得了130万美元的项目资助。

GE-Research来源:GE

block热、流体3D打印组件,自动化设计与验证的集成

如今,开发设计用于喷气发动机,风力涡轮机和燃气轮机等复杂动力产品的新组件,往往需要涉及到数十位专业人士,共同对组件的结构、热特性、流体特性进行研究。在设计增材制造-3D打印组件时,需要考虑诸多因素,例如材料成分对热量和应力的响应程度,面向增材制造的设计如何影响气流或空气动力学性能等。汇集这些跨界知识,并完成一种3D打印零件验证的过程可能长达2到5年。

根据GE ,这一项目的启动具有以下意义:

  • 将用于涡轮机械的高性能增材制造零件设计开发时间从2-5年缩短到1-2年,整体时间减少一半以上;
  • 为3D打印技术广泛应用铺平道路,彻底改变从风力涡轮机到燃气轮机的各种发电产品的效率和性能;
  • 组合的项目团队将在ORNL的超级计算机Summit 上进行工作,开发强大的人工智能(AI)和机器学习(ML)技术,从而以更快的速度实现数百万次设计迭代。

该项目将以实现无缺陷、高性能的3D打印组件设计为最终目标,与铸造等传统工艺生产的零部件相比,这些3D打印组件将能够承受高温和高应力,并具有优化的性能。

GE 研发增材制造业务负责人对于这一项目对3D打印技术的意义做了进一步说明,由此可以看到这一项目对于增材制造的意义。他表示,减少创建和验证无缺陷的3D打印组件设计所需时间,是实现3D打印的广泛使用关键因素之一,使用支持多物理功能的工具和人工智能技术,将使3D打印组件设计整个过程自动化,并使得增材制造过程比某些传统制造工艺更快。3D打印组件结构特性的优化已经实现自动化,但热和流体特性优化还没有实现,这一项目将利用人工智能技术,从增材制造可生产性数据自动生成代理模型,并将设计与多物理场设计优化技术进行无缝集成

项目团队将使用ORNL实验室的Summit超级计算机,以前所未有的精度创建这些基于人工智能的的代理模型。除此之外,ORNL 高通量同位素反应堆将被用于分析增材制造组件,分析数据将用于训练和评估人工智能创建的模型。

人工智能在自动生成3D打印组件设计模型中起到了重要作用。根据项目成员之一PARC,人工智能技术可以加速创成式设计,这是一项能够显著减少设计与制造优质3D打印零件的重要创新性技术。使用机器学习人工智能技术,使得自动生成的功能集成3D打印零部件能够满足现实世界的应用需求,为制造业提供创新性的增材制造解决方案。

block Review

《暗知识》一书中谈到,算力、数据、算法这三个要素同步成熟,形成合力,带来了今天人工智能技术的爆发,这三个要素中最重要的是计算能力的发展和算法的相互促进。以上项目正是将超级计算机的算力与机器学习算法相结合,促进人工智能技术在3D打印零件设计开发中的应用。

根据 的市场观察,ORNL 实验室的超级计算机还将支持一个针对3D打印的高级仿真功能开发项目。该项目名为Exascale增材制造(ExaAM),该项目将利用超级计算机Frontier开发高级仿真功能。这一仿真功能将使科学家更好地理解工艺参数(例如扫描模式),材料微观结构(晶粒尺寸和方向的分布)之间的复杂关系,以及3D打印金属零件的最终特性(例如强度)。

以上这些信息可用于预测增材制造零件性能、强度、寿命,加快零件的鉴定和认证,从而以更低成本创新和优化产品。但当前的技术在预测增材制造零件的微观结构时必须做出许多近似和简化,而有了超级计算机Frontier,研究人员将能够消除近似值,并优化制造过程中使用的参数,从而能够设计出重量更轻的零件,减少浪费,减少零件组装的需要,或根据具体应用确定其他属性。

正向设计与3D打印优势的结合、人工智能与工艺开发的结合、数字孪生与生产控制的结合是推动3D打印产业化的“三驾马车。除了增材制造硬件设备快速发展,材料成本的下降以及种类的丰富,算力、数据、算法支撑起的人工智能软实力,也是促进3D打印技术得到广泛应用的“硬核”。

白皮书下载,加入 产业链QQ群:529965687
网站投稿请发送至2509957133@qq.com
欢迎转载,长期转载授权请留言

分享:

你可能也喜欢...

Baidu
map