连续纤维增强复材的自主智能增材制造
时间:2024-10-23 09:04 来源:碳纤维研习社 作者:admin 阅读:次
在制造CFRP时,AM过程的不稳定性可能导致制造出的零件出现尺寸不准确和机械性能差等问题。这些问题可能源于纤维与树脂之间的粘接、局部缺陷分布(如纤维束的磨损和错位)以及温度分布。因此,发展原位监测和自适应控制系统对于未来的AM过程至关重要。为了确保制造部件的准确性和提高其质量,西北工业大学无人系统研究所、西北工业大学国家 IJR 航空设计与增材制造中心和西北工业大学金属增材制造与创新设计工信部重点实验室的研究人员,提出了一种基于多传感器融合的在线监测和自适应控制方法。
方法通过预测和调整AM过程中的CFRP工艺参数,利用力传感器、视觉相机和热相机来获取制造过程中的多重信号,实现自主感知、认知和决策。通过建立局部缺陷与多传感特征之间的定量关系,指导闭环调整的决策制定。此外,还构建了经验代理模型,预测纤维束错位与输入参数之间的关系,并选择温度差和接触力作为控制特征。
研究方法:
使用力传感器、视觉相机和热相机来获取制造过程中的多重信号,实现自主感知、认知和决策。
建立了局部缺陷与多传感特征之间的定量关系,以指导闭环调整的决策制定。
构建了经验代理模型,预测纤维束的错位与输入参数之间的关系,并选择温度差和接触力作为控制特征。
研究结果:
提出了一种新的框架,通过数据增强的知识库和多传感器融合来增强AM过程的稳定性和制造部件的质量。开发了一个数据-特征-决策多级融合方法,以实现过程机制的识别、过程窗口的确定以及为在线反馈控制提供决策标准。通过对典型案例研究的评估,证明了所提出的自适应控制系统的可行性和可靠性,并提高了制造复合材料结构的质量。
研究结论
通过多传感器融合和经验代理模型实现的决策,可以提高CFRP组件通过AM制造的质量。文章还提到了这项工作为自主控制提供了一种新的多传感器融合策略,具有极大的潜力来改善各种AM过程的质量控制。研究结果以《Autonomous intelligent additive manufacturing of continuous fiber-reinforced composites: data-enhanced knowledgebase and multi-sensor fusion》发表在《Virtual and Physical Prototyping》期刊的第19卷第1期上,由 Lu Lu, Yongtang Yuan, Yongkang Xie, Shangqin Yuan, Jingwen Song, Han Luo, Yamin Li, Jihong Zhu 和 Weihong Zhang 共同撰写。
DOI为10.1080/17452759.2024.2412192,发表时间为2024年10月16日。
(图1. 基于多传感AM的CFRP自主智能系统的数据-特征-决策多级融合框架)
(图2. 制造过程中工艺参数的离线和在线闭环调整框架)
(图3. 采用两种典型模式来验证闭环控制框架的有效性。(a)曲线模式。(b)曲线模式的连续刀具路径。(c)小型无人机框架。(d)无人机框架的连续路径和打印速度映射。采用两种典型模式来验证闭环控制框架的有效性。(a)曲线模式。(b)曲线模式的连续刀具路径。(c)小型无人机框架。(d)无人机框架的连续路径和打印速度映射)
(图8. (a) 工艺参数、转角和LoM之间关系的典型路径;(b) AM 制造的 CFRP 的图案(V:6 毫米/秒;T:215°C;L:0.60 毫米;E:11 毫米/秒))
(图15. 在线反馈控制系统示意图)
(图17. 小型无人机框架的在线参数预测和闭环反馈。(a)通过监测并调整打印速度。(b)通过监测ΔT值和调整局部层厚度,快速消除层内CFRP复合材料的磨损)
(责任编辑:admin)
最新内容
热点内容