上海交通大学以数据为驱动 用物理规律增强人工智能赋能成形制造

分享到:
链接已复制
当前位置: 首页 >

上海交通大学以数据为驱动 用物理规律增强人工智能赋能成形制造

2025-06-11 17:49

来源:中国网

分享到:
链接已复制
字体:

采用数据驱动和人工智能赋能成形制造是当前机械制造学科的前沿热点。然而,如何大量获取准确可靠的材料及制造数据,结合现有计算机技术实现高效模拟,并进一步指导、开发成形工艺是相关技术实现应用的主要障碍。上海交通大学机械与动力工程学院的何霁副教授及其合作团队采用物理规律增强人工智能新思路,首创提出自适应卷积神经网络高精度变形原位测试方法及技术、高通量力学性能无本构精确获取方法、数据驱动高效高保真跨尺度模拟技术和材料-结构一体化多工艺协同成形方法,建立了原位高精度光学变形测量装置,开发了高效跨尺度工艺模拟软件,不仅克服了传统成形制造过程中“数据获取难、模型构建难、工艺试错难、形性协同难”四大难题,将数据科学和人工智能技术融入制造科学,为先进成形制造技术的研究开辟了全新方向。

团队正在进行先进复合材料成形与测试

打破传统应变测试精度及分辨率瓶颈,为测试过程赋于“智能”

研究团队提出了卷积神经网络有限元自适应应变测试算法,集成变形协调规律,解决数字图像相关(DIC)方法中网格尺寸对位移/应变测试精度及分辨率的制约,设备自主调整测试子集网格尺寸和节点位置,同步提升计算效率。针对金属板材微区大变形测试难题,开发高分辨率原位检测技术及平台,为高精度数据获取提供新方法。

光学非接触全局自适应变形测试方法

突破本构模型依赖与参数标定桎梏,实现材料力学性能高通量“智能”识别

研究团队突破传统本构方程限制,研发数据驱动高通量免本构材料应力识别技术,实现无预设模型的全场应力-应变精准测量,一次实验获取百万级应力应变数据点,解决人工智能方法在工程领域中使用时的数据获取问题。实验证实该技术在多材料类型、复杂工况下均具普适性,为大数据获取开辟了新途径。

数据驱动的免本构材料性能识别技术

跨尺度“智能”建模突破传统模拟效率局限,数字孪生实现微观-宏观高效映射

研究团队针对传统跨尺度模拟中算不出、算得慢两大难题,提出数据驱动的微观结构智能聚类方法,在微观模型中识别机械性能相似特征群体,实现高维模型降维压缩,通过引入微观物理规律,融合真实应力应变数据集,建立无需本构建模的高效多尺度并发模拟技术,为复杂构件数字孪生提供新技术。

高效多尺度并发模拟计算技术

增材-等材工艺协同方法突破薄壁构件高性能制造瓶颈

研究团队开发复合材料增材制坯-等材模压成形工艺协同方法,通过考虑模压成形微观结构变化和构件服役性能,设计增材制坯的微观结构,采用高效跨尺度方法调控微观结构状态演化及应力应变,实现了玻璃纤维热塑性复材车门内板、碳纤维热固复材关键结构安全件及CFRP/金属板模压共固化等一批高性能薄壁构件,使零件减重20-50%(相较于传统金属构件),实现力学性能提升(相较于传统工艺)。为航空航天、新能源汽车等领域提供高性能、低成本的轻量化高性能制造方案。(周芳)

增材-等材工艺协同方法及模压成形工艺平台

【责任编辑:蒋俊辉】
返回顶部