Menggunakan AI untuk membetulkan ralat pembuatan aditif dalam masa nyata

Penyelidik di Massachusetts Institute of Technology (MIT) melatih model pembelajaran mesin untuk memantau dan melaraskan proses pencetakan 3D untuk membetulkan ralat dalam masa nyata.

Bahan baharu yang boleh digunakan untuk pencetakan 3D sentiasa dibangunkan, tetapi memikirkan cara mencetak dengannya boleh menjadi teka-teki yang rumit dan mahal. Lazimnya, pengendali mesti menggunakan percubaan dan ralat manual, yang berpotensi menjalankan beribu-ribu cetakan, untuk menentukan parameter ideal untuk mencetak bahan baharu secara konsisten dan cekap.

Penyelidik di MIT telah menggunakan kecerdasan buatan untuk menyelaraskan proses. Para saintis di agensi itu telah membangunkan sistem pembelajaran mesin baharu yang menggunakan penglihatan komputer untuk memerhati proses pembuatan dan boleh membetulkan ralat dalam cara bahan dikendalikan dalam masa nyata.

Mereka menggunakan simulasi untuk mengajar rangkaian saraf cara melaraskan parameter pencetakan untuk meminimumkan ralat, dan kemudian menggunakan pengawal pada pencetak 3D sebenar. Sistem baharu boleh mencetak objek dengan lebih tepat berbanding pengawal pencetak 3D sedia ada yang lain.

Kerja ini mengelakkan proses mahal mencetak beribu-ribu atau berjuta-juta objek sebenar untuk melatih rangkaian saraf. Ia boleh memudahkan jurutera untuk menyepadukan bahan baharu ke dalam produk cetakan 3D mereka, yang boleh membantu mereka membangunkan produk dengan sifat elektrik atau kimia khas. Ia juga membantu juruteknik membuat pelarasan pada proses pencetakan apabila bahan atau keadaan persekitaran berubah secara tidak dijangka.

"Projek ini benar-benar demonstrasi pertama membina sistem pembuatan yang menggunakan pembelajaran mesin untuk mempelajari strategi kawalan yang kompleks," kata Wojciech Matusik, profesor kejuruteraan elektrik dan sains komputer di MIT yang mengetuai projek If you mempunyai peralatan pembuatan yang lebih pintar yang boleh menyesuaikan diri dengan keadaan yang berubah-ubah di tempat kerja dalam masa nyata untuk meningkatkan ketepatan output atau sistem, anda boleh mendapatkan lebih banyak nilai daripada mesin anda 🎜>

Parameter Memilih

<.>Menentukan parameter ideal untuk proses pembuatan digital boleh menjadi salah satu bahagian proses yang paling mahal, kerana ia memerlukan banyak percubaan dan kesilapan. Sebaik sahaja juruteknik menemui gabungan yang berfungsi dengan baik, parameter ini hanya digunakan pada situasi tertentu. Mereka mempunyai sedikit data tentang sama ada bahan berkelakuan dalam persekitaran lain, pada perkakasan yang berbeza atau pada kelompok bahan baharu yang mempamerkan sifat berbeza.

Menggunakan sistem pembelajaran mesin juga penuh dengan cabaran. Pertama, penyelidik perlu mengukur apa yang berlaku pada pencetak 3D dalam masa nyata.

Untuk melakukan ini, para penyelidik membangunkan sistem penglihatan mesin menggunakan dua kamera yang ditujukan kepada muncung pencetak 3D. Sistem memancarkan cahaya ke bahan semasa ia didepositkan dan mengira ketebalan bahan berdasarkan jumlah cahaya yang melaluinya. "Anda boleh memikirkan sistem visual sebagai sepasang mata yang memerhati proses ini dalam masa nyata, " kata Foshey.

Pengawal kemudiannya akan memproses imej yang diterima daripada sistem penglihatan dan melaraskan kadar suapan dan orientasi pencetak berdasarkan sebarang ralat yang dilihatnya.

Walau bagaimanapun, melatih pengawal berasaskan rangkaian saraf untuk memahami proses pembuatan ini adalah intensif data dan memerlukan berjuta-juta cetakan. Jadi para penyelidik membina simulator.

Simulasi yang berjaya

Untuk melatih pengawal dengan lebih baik, mereka menggunakan proses yang dipanggil pembelajaran tetulang, di mana Model belajar melalui percubaan dan kesilapan dan diberi ganjaran. Tugas model adalah untuk memilih parameter pencetakan untuk mencipta objek tertentu dalam persekitaran simulasi. Selepas menunjukkan output yang dijangkakan, model diberi ganjaran apabila ia memilih parameter yang meminimumkan ralat antara cetakannya dan hasil yang dijangkakan.

Dalam kes ini, "ralat" bermaksud model sama ada memperuntukkan terlalu banyak bahan, meletakkannya di kawasan yang sepatutnya kekal terbuka, atau tidak memperuntukkan bahan yang mencukupi, meninggalkan tempat terbuka di bawah harus diisi. Memandangkan model melakukan lebih banyak cetakan simulasi, ia mengemas kini strategi kawalannya untuk memaksimumkan ganjaran, menjadi semakin tepat.

Walau bagaimanapun, dunia sebenar lebih kucar-kacir daripada simulasi. Dalam amalan, keadaan selalunya berbeza-beza disebabkan oleh perubahan kecil atau bunyi bising dalam proses pencetakan. Jadi penyelidik mencipta model berangka yang menghampiri bunyi dari pencetak 3D. Mereka menggunakan model ini untuk menambah hingar pada simulasi mereka, menghasilkan hasil yang lebih realistik.

"Kami mendapati menarik bahawa dengan melaksanakan model hingar ini kami dapat menukar kawalan yang dilatih semata-mata dalam simulasi Strategi dipindahkan ke perkakasan tanpa sebarang eksperimen fizikal untuk latihan," kata Foshey, "dan selepas itu, kami tidak perlu melakukan apa-apa penalaan halus pada peranti sebenar semasa menguji pengawal Ia mencetak objek dengan lebih tepat daripada kaedah kawalan lain dinilai sebelum ini. Ia berfungsi dengan baik terutamanya dalam pencetakan isian, iaitu mencetak bahagian dalam objek. Beberapa pengawal lain menyimpan begitu banyak bahan sehingga objek yang dicetak dinaikkan, tetapi pengawal penyelidik melaraskan laluan pencetakan supaya objek kekal paras.

Strategi kawalan mereka malah boleh mempelajari cara bahan merebak selepas pemendapan dan melaraskan parameter dengan sewajarnya.

Pelarasan automatik

"Kami juga dapat mereka bentuk strategi kawalan yang boleh mengawal pelbagai jenis bahan secara dinamik. Jadi jika anda mempunyai proses pembuatan di tapak dan anda ingin menukar bahan, anda tidak perlu mengesahkan semula proses pembuatan. Anda hanya boleh memuatkan bahan baharu, Pengawal akan melaraskan secara automatik," kata Foshey.

Sekarang mereka telah menunjukkan keberkesanan teknik ini untuk pencetakan 3D, para penyelidik berharap untuk membangunkan pengawal untuk proses pembuatan lain. Mereka juga ingin melihat bagaimana kaedah itu boleh diubah suai untuk mengendalikan berbilang lapisan bahan atau mencetak berbilang bahan pada masa yang sama. Selain itu, kaedah mereka menganggap setiap bahan mempunyai kelikatan tetap, tetapi lelaran masa depan boleh menggunakan AI untuk mengenal pasti dan melaraskan kelikatan dalam masa nyata.

MIT mempunyai sejarah yang panjang dalam pembuatan bahan tambahan dan telah melahirkan beberapa syarikat percetakan 3D utama seperti Desktop Metal dan VulcanForms. Kerja ini disokong sebahagiannya oleh Program Lise-Meitner FWF, Geran Permulaan Majlis Penyelidikan Eropah, dan Yayasan Sains Kebangsaan.

Atas ialah kandungan terperinci Menggunakan AI untuk membetulkan ralat pembuatan aditif dalam masa nyata. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!