使用机器学习的可塑性预测与高绘图比率合金杯的工艺设计相结合
Yeong-Maw Hwang1, Tsung-Han Ho1, Yung-Fa Huang2
1Department of Mechanical and Electro-Mechanical Engineering, National Sun Yat-sen University, Kaohsiung 80424, Taiwan.
Materials (Basel, Switzerland)
|August 29, 2024
概括
这项研究使用人工智能 (AI) 预测深绘合金A7075.5的可塑区域. 机器学习模型可以快速识别声音产品的最佳成型参数,提高制造效率.
科学领域:
- 材料科学与工程 材料科学与工程
- 制造过程 制造过程 制造过程
- 人工智能在制造业中的应用
背景情况:
- 深绘是制造业中广泛使用的金属成型工艺.
- 确定可形成区域的传统方法耗时且复杂.
- 人工智能 (AI) 的进步为流程优化提供了新的可能性.
研究的目的:
- 为了研究几何和工艺参数对合金A7075.5深度绘制的影响.
- 建立人工智能驱动的预测模型,用于识别健全的产品区域.
- 验证机器学习 (ML) 在优化深度绘图过程中的可行性和可靠性.
主要方法:
- 使用有限元模拟来创建一个全面的成型结果数据库.
- 使用生成的数据库来训练和验证机器学习模型.
- 进行实验验证,以比较预测和实际成型结果.
主要成果:
- 开发一种能够根据输入参数快速确定成型结果的AI预测模型.
- 成功地确定了各种条件下的可塑区域,以获得各种条件下的健全产品.
- 实验验证证了AI预测模型的准确性和可靠性.
结论:
- 机器学习是一种可行和可靠的工具,可以优化合金A7075.5的深度绘制过程.
- 开发的AI模型显著提高了预测最佳成形参数的速度和准确性.
- 这种方法有助于高效生产健全的深产品.
