老子有钱
简称: 老子有钱 新材
股票代码:002585
机器学习技术提高了对材料力学性能的预测
发布人: 老子有钱 来源: 老子有钱平台 发布时间: 2020-08-16 22:53

  南洋理工大学、新加坡(N TU新加坡)、麻省理工学院(MIT)和布朗大学的科学家开发了新的方法,通过利用机器学习的力量,大大提高了重要材料测试技术的准确性。

  纳米压痕,用锋利的针状尖端戳一种材料的样品,看看材料是如何通过变形来反应的,在许多制造应用中都很重要,但它在获得材料的某些关键力学性能方面的精度很差,阻碍了它在工业上的广泛应用。

  通过使用标准的纳米压痕工艺,并将其实验测量数据输入神经网络机器学习系统,科学家们开发并训练了该系统,以比现有方法更准确地预测样品强度20倍..

  新的分析技术可以减少对耗时和昂贵的计算机模拟的需要,以确保用于结构应用的制造部件,如飞机和汽车,以及由数字制造技术制成的制造部件,如三维打印,在实际使用条件下是安全的。

  本文的高级相应作者,也是大学校长的NTU杰出大学教授SubraSuresh说:“通过将机器学习的最新进展与纳米压痕结合起来,我们已经表明,有可能将材料性能的估计精度提高20倍。 我们还验证了该系统对常规制造的铝合金和三维打印钛合金的预测能力和精度提高。 这表明我们的方法在工业4.0中的数字制造应用潜力,特别是在三维打印等领域。

  该方法由NTU、麻省理工学院和布朗的研究人员开发,是一种混合方法,将机器学习与最先进的纳米压痕技术结合起来。

  这一过程首先从用精确校准的力以控制的速度将硬尖-通常是由金刚石这样的材料制成的-压入样品材料,同时不断测量尖端进入变形材料的穿透深度。

  NTU的Upadrasta Ramamurty教授担任NTU的机械和航空航天工程及材料科学和工程总裁,他说,对由此产生的实验测量数据进行解码的过程极其复杂,目前正妨碍在飞机和汽车制造中广泛使用纳米压痕测试技术。

  为了提高这种情况下的准确性,NTU-MIT-Brown团队开发了一种先进的神经网络-一种松散地模拟人脑的计算系统-并将实际实验数据和计算机生成的数据结合起来进行了“训练”。 他们的“多保真”方法是真实的实验数据,以及基于物理和计算模拟的“合成”数据(来自二维和三维计算机模拟)与深度学习算法。

  麻省理工学院首席研究科学家和NTU客座教授明道说,以前使用机器学习分析材料特性的尝试大多涉及使用计算机在不切实际的完美条件成的“合成”数据-例如,压头尖端的形状非常尖锐,压头的运动非常平滑。 因此,机器学习预测的测量是不准确的。

  研究小组发现,首先用合成数据训练神经网络,然后结合相对较少的实际实验数据点,可以大大提高结果的准确性。

  他们还报告说,使用合成数据的训练可以提前进行,当涉及到评估实际材料的性能时,将添加少量的真实实验结果进行校准。

  苏雷什教授说:“使用真实的实验数据点有助于补偿合成数据中假定的理想世界。 通过使用理想的和真实的数据点的良好组合,最终的结果是大大减少错误。”

老子有钱,老子有钱登录,老子有钱平台
Copyright 2019 江苏 老子有钱 彩塑新材料股份有限公司 版权所有