收藏
点赞
微博
微信
阅读
1153

施乐的PARC将使用AlphaSTAR模拟技术来3D打印涡轮机械零件

老三的人
2020-10-29 10:14:59

总部位于加州的帕洛阿尔托研究中心(PARC),一施乐持股研发子公司,已经选择AlphaSTAR技术来创建一个虚拟的添加剂制造(AM)的方法,将节省的3D印刷涡轮机应用中的部分时间和材料。AlphaSTAR的AM模拟解决方案GENOA 3DP将用作美国能源部(DOE)高级研究计划署-能源(ARPA-E)DIFFERENTIATE计划的项目之一。

该区分方案,简称设计智能的艰巨的节能减排社会性别角度无数共有影响力的先进技术改进,旨在通过合并,以加强能源创新的步伐,人工智能(AI)和机器学习到能源技术的发展。

自2019年启动以来,该计划已成功筹集了高达2000万美元的资金,并纳入了22个项目,由美国顶尖研究型大学,组织和企业领导。特别是一个项目,一直专注于开发基于激光粉末床融合的涡轮机械部件AM的设计优化工具,这些工具主要用于发电,飞机和车辆推进。

该研究项目题为“集成多物理场,涡轮机可生产的添加剂组件设计”,该项目于2020年5月开始,已获得130万美元的资金,由主要合作伙伴通用电气(GE)以及PARC和橡树岭国家实验室(ORNL )组建)。

目的是将设计和验证3D打印组件的时间缩短多达65%。实现如此空前的速度将使其比某些传统制造工艺更快,从而为AM的更广泛普及铺平了道路,从而彻底改变了涡轮机械产品设计。

3D打印

PARC希望通过下一代计算机辅助设计工具来改变制造业。

通过将多物理拓扑优化中的最新进展与基于机器学习的快速生产能力评估和AI相集成,该团队希望“通过使整个过程自动化来打破某些传统制造过程的时间表”。通过减少创建和验证无缺陷3D组件设计所花费的时间,这有望最终实现3D打印的广泛使用和收益。

集成的方****将用于证明多物理场涡轮机械部件的可生产性和热力学效率的同时提高。根据项目描述,提高涡轮机械效率是美国工业的竞争优势,并将有助于确保美国的能源安全。拟议中的可感知制造能力,多物理场的详细设计优化工具有望帮助推动AM在美国的使用。

PARC和AlphaSTAR的新合作旨在创建一种虚拟的增材制造方法,该方法将节省时间和材料。AlphaSTAR的预测性仿真技术可以帮助绘制零件厚度的温度图,计算残余应力,应变,变形和曲率。

而PARC的拓扑优化软件可优化材料布局。两者的结合使PARC工程师能够快速调整虚拟模型,以改善和使打印零件更轻便,这对于为涡轮机械结构的未来应用创造新的机会至关重要,特别是在航空航天领域。

PARC研究总监Saigopal Nelaturi表示:“金属增材制造设计中的最大挑战之一就是确保以可靠且具有成本效益的方式制造零件。” “ GENOA 3DP可以帮助预测和计划影响制造过程的因素,例如残余应力,这将有助于改善涡轮机械零件的设计过程。我们很高兴与AlphaSTAR团队合作解决增材制造设计中的实际问题。”

AlphaSTAR的GENOA 3DP被设计为一种测试验证模拟工具,可以评估和预测增材制造中常见的收缩,翘曲和残余应力。最终产生优化的AM零件,并减少浪费和测试时间。该平台可以模拟增材制造材料和工艺参数,并评估那些参数的敏感性,以找到优化的增材制造解决方案。

虽然GENOA 3DP最初是考虑到热塑性塑料而开发的,但现在已经对仿真工具进行了更新,以增加金属AM仿真功能。

3D打印

AlphaSTAR的GENOA 3DP仿真。

AlphaSTAR已与研究合作伙伴和商业最终用户一起使用该平台来改善新的和现有的AM设计。据《设计新闻》报道,最近,GENOA3DP用于一项研究,该研究专注于AM技术在制造原型机翼中的应用。

AlphaSTAR技术运营总监Rashid Miraj建议:“在创新解决方案方面,两家公司都将矛头对准了远景。” “我们很高兴与PARC及其合作伙伴合作开发这一新颖的程序,该程序可以解决与Metal AM相关的现实工业需求。”

一旦完成,该程序将以无缺陷的高性能增材制造的多功能设计为最终展示,该设计能够承受高温和应力,并且性能优于传统铸造。

根据PARC系统科学实验室系统工程领域的自动化计算经理Saigopal Nelaturi所说,将基于模型的AI与数据驱动的AI相结合以加速生成设计是一项关键创新,它将大大减少合成和开发时间。制造优质零件。此外,AlphaSTAR AM仿真技术的加入可以帮助加快3D打印的验证时间,消除了AM技术更广泛采用的最大障碍之一。

本网站转载内容为作者个人观点,并不代表本站赞同其观点和对其真实性负责。如果您发现本网站上有侵犯您的知识产权的内容,请与我们取得联系,我们会及时修改或删除