【专业讲堂】复合材料专业知识:使用机器学习来加速复合材料加工过程的仿真分析

纤维增强聚合物(FRP)复合材料的加工是一个复杂的多物理场问题,涉及传热传质、热化学相变以及高度非线性和时间相关的粘弹性应力发展。为了降低制造风险和总体的生产成本,现如今更多的重点放在过程模拟上,以减少缺陷,而不是依赖技术诀窍和反复的试验。

01
复合材料构件的仿真背景

这种数字赋能方法通常使用通用商业有限元(FE)模拟工具,如法国ABAQUS、美国ANSYS以及加拿大COMPRO等专用有限元工具,上述工具中包括内置材料库,以显示加工过程中复合材料性能的复杂演变。

目前这种方法的工业实施依赖于对受到对流加热的零件和工具进行昂贵的三维有限元分析。在初步设计阶段,需要进行多次设计迭代,以最终确定零件厚度、叠层、固化周期、模具材料和几何结构等细节。对于给定的大型部件,如复合材料机翼蒙皮,使用3D有限元模拟进行分析可能需要数周时间

为了加速过程模拟,在初步设计阶段可以使用降阶有限元代替3D有限元。例如,对于复合材料的热化学分析,薄零件的主要传热机制是通过厚度,远离边缘和工具子结构。因此,1D FE分析可作为零件3D响应的良好近似值进行,复杂零件可划分为独特区域,以执行多个1D FE分析,而不是整个零件的完整3D FE分析。这加快了初步设计阶段的过程模拟。然而,这需要对速度与保真度的权衡,如图1所示。

图1 加工过程中对复合材料部件进行热化学分析不同解决方案的保真度和模拟时间之间的权衡

然而,从初步设计到详细设计,需要完成大量3D有限元模拟。即使使用能够实现降阶过程模拟的软件,如采用 Convergent Manufacturing Technologies 可生产性评估-热分析(CPA-TA),大型复合材料组件的模拟可能仍需要几分钟到一小时。尽管与全3D有限元相比,这是一个显著的优势,但它仍然不够快,无法有效地探索整个优化设计范围。

02
复合材料仿真设计的最新进展

鉴于机器学习(machine learning,ML)和数据驱动方法的最新进展,科学和工程的许多分支已经开始为不同的应用实现ML。一个新兴的应用是训练快速替代ML模型,以取代慢速有限元模拟工具。

在该方法中,FE模型用于根据输入参数的不同假设自动生成大量数据。然后,这些数据可用于训练不同的ML模型,如神经网络(NN)、随机森林模型或高斯过程回归(GPR)模型。一个经过适当训练的代理模型可以很好地复制用于训练它的有限元模型,但在模拟速度上有显著的提高。

最近,在华盛顿大学的Navid Zobeiry教授、英属哥伦比亚大学的Anoush Poursartip教授和来自Convergent Manufacturing Technologies的团队之间的合作努力中,除了降阶FE建模之外,还开发了替代ML模型以加速复合材料加工模拟。

在本研究中,开发了替代神经网络模型来代替降阶有限元。这些模型使用Convergent Manufacturing Technologies的RAVEN软件以及复合材料固化问题的理论,使用FE模拟生成的数据对这些模型进行训练。

这些神经网络模型可以使用与有限元模拟相同的输入来预测复合材料加工期间的关键性能指标,包括放热固化反应期间的最高零件温度。平均而言,使用一个典型的计算机工作站,使用这些ML模型可以获得比FE模型大1000到10000倍的速度增益。这使得大型复合材料组件的模拟速度接近实时。

03
机器学习仿真设计的高效率

这些代理神经网络模型最近通过Convergent Manufacturing Technologies
在CPA-TA中实现,并在大型复合材料机翼蒙皮的过程模拟中展示了它们的性能。图2中显示了具有代表性的5×10米机翼蒙皮设计,其典型的层定义包括厚度为40到80层,以及典型机翼蒙皮中的衬垫、层降和其他特征。使用ABAQUS中的商业软件包COMPRO,在典型的计算机工作站上使用3D FE对生产工具上的机翼蒙皮进行过程模拟,耗时数小时。

图2 使用不同模拟方法对 Invar 工具上的代表性复合材料部件进行热化学分析的模拟时间比较

值得注意的是,使用这种方法进行流程优化需要几天或几周的时间。在第二次尝试中,机翼蒙皮被划分为30个独特的1D几何体。使用降阶有限元,对整个机翼蒙皮进行了九次模拟,使用三个温度循环和三种刀具厚度进行优化。在CATIA 5中使用CPA-TA进行的这些模拟在用于3D FE的同一台计算机上耗时约半小时。

在最后一次演示中,使用CPA-TA中经过训练的神经网络模型进行了相同的模拟,取得了非常好的结果。与降阶FE类似,机翼蒙皮分为30个区域,并使用不同的模具厚度和空气温度剖面进行了九次模拟。然而,这些模拟仅在两秒钟内完成。这些模拟方法的比较(图2)清楚地证明了ML方法能够实现复杂复合材料结构的近实时模拟能力和大幅节省时间。值得注意的是,这里讨论的技术的成功也可以应用于其他工程应用。

(参考来源:CW)
(0)

相关推荐