İstər kosmik gəmilər, istər sualtı qayıqlar, istərsə də tibbi cihazlar üçün yüksək performanslı titan ərintisi hissələrinin istehsalı çoxdan yavaş, resurs tutumlu bir proses olmuşdur. Qabaqcıl metal 3D çap üsulları ilə belə, düzgün istehsal şərtlərini tapmaq üçün geniş sınaq və dəqiq tənzimləmə tələb olunur.

Bəs bu hissələri daha tez, daha güclü və mükəmmələ yaxın dəqiqliklə qurmaq olarsa necə?

Merilend ştatının Laurel şəhərindəki Con Hopkins Tətbiqi Fizika Laboratoriyasının (APL) və Con Hopkins Uaytinq Mühəndislik Məktəbinin mütəxəssislərindən ibarət komanda bunu reallığa çevirmək üçün süni intellektdən istifadə edir. Onlar həm istehsal sürətini, həm də bu qabaqcıl materialların gücünü artıran emal üsullarını müəyyən etdilər – dərin dənizdən kosmosa təsir edən bir irəliləyiş .

APL-nin Tədqiqat və Kəşfiyyat İnkişafı Missiyası Bölgəsində Ekstremal və Çoxfunksiyalı Materiallar Elmi üzrə proqram meneceri Morgan Trexler, “Millət cari və gələcək münaqişələrin tələblərinə cavab vermək üçün istehsalın sürətləndirilməsinə təcili ehtiyacla üzləşir” dedi.

“APL-də biz missiyaya hazır materialları sürətlə inkişaf etdirmək üçün lazer əsaslı aşqarların istehsalı sahəsində tədqiqatları inkişaf etdiririk və istehsalın inkişaf edən əməliyyat çətinlikləri ilə ayaqlaşmasını təmin edirik.”

Additive Manufacturing jurnalında dərc edilən tapıntılar yüksək gücü və aşağı çəkisi ilə tanınan geniş istifadə olunan titan ərintisi olan Ti-6Al-4V-yə diqqət yetirir.

Komanda, metalın 3D çap üsulu olan lazer toz yatağının sintezi üçün əvvəllər tədqiq edilməmiş istehsal şərtlərinin xəritəsini çıxarmaq üçün süni intellektlə idarə olunan modellərdən istifadə etdi. Nəticələr, fərdiləşdirilə bilən mexaniki xassələrə malik sıx, yüksək keyfiyyətli titan istehsalı üçün daha geniş emal pəncərəsini ortaya çıxararaq, proses məhdudiyyətləri ilə bağlı uzun müddətdir mövcud olan fərziyyələrə meydan oxuyur.

https://googleads.g.doubleclick.net/pagead/ads?gdpr=0&us_privacy=1—&gpp_sid=-1&client=ca-pub-0536483524803400&output=html&h=188&slotname=2793866484&adk=1121470953&adf=746485419&pi=t.ma~as.2793866484&w=750&abgtt=6&fwrn=4&lmt=1741589452&rafmt=11&format=750×188&url=https%3A%2F%2Ftechxplore.com%2Fnews%2F2025-03-ai-reveals-titanium-alloys.html&wgl=1&uach=WyJXaW5kb3dzIiwiMTkuMC4wIiwieDg2IiwiIiwiMTMzLjAuNjk0My4xNDIiLG51bGwsMCxudWxsLCI2NCIsW1siTm90KEE6QnJhbmQiLCI5OS4wLjAuMCJdLFsiR29vZ2xlIENocm9tZSIsIjEzMy4wLjY5NDMuMTQyIl0sWyJDaHJvbWl1bSIsIjEzMy4wLjY5NDMuMTQyIl1dLDBd&dt=1741589450231&bpp=1&bdt=313&idt=257&shv=r20250305&mjsv=m202503060101&ptt=9&saldr=aa&abxe=1&cookie=ID%3Dfdc40d724f2dca57%3AT%3D1735367325%3ART%3D1741589450%3AS%3DALNI_MYStQ6fUQQQLyo5Z7z1h-XhXcWBtA&gpic=UID%3D00000f80eacffadc%3AT%3D1735367325%3ART%3D1741589450%3AS%3DALNI_MYaOugky0UawScoidzfbXof3-N-iw&eo_id_str=ID%3De43bb863646b60b8%3AT%3D1735367325%3ART%3D1741589450%3AS%3DAA-AfjbQoPwZqH28q9IwcCLRSzzg&prev_fmts=0x0%2C1905x945&nras=2&correlator=7377583867243&frm=20&pv=1&rplot=4&u_tz=240&u_his=1&u_h=1080&u_w=1920&u_ah=1032&u_aw=1920&u_cd=24&u_sd=1&dmc=8&adx=448&ady=1742&biw=1905&bih=945&scr_x=0&scr_y=0&eid=95352076%2C95354314%2C95354325%2C95354336%2C31090842%2C95353783&oid=2&pvsid=871546352863060&tmod=483556793&uas=0&nvt=1&ref=https%3A%2F%2Fphys.org%2F&fc=1920&brdim=0%2C0%2C0%2C0%2C1920%2C0%2C1920%2C1032%2C1920%2C945&vis=1&rsz=%7C%7CpeEbr%7C&abl=CS&pfx=0&fu=128&bc=31&bz=1&td=1&tdf=2&psd=W251bGwsbnVsbCxudWxsLDNd&nt=1&ifi=2&uci=a!2&btvi=1&fsb=1&dtd=2008

Həmmüəllif Brendan Kroom bildirib ki, kəşf materialların emalı haqqında düşünmək üçün yeni bir yol təqdim edir.

“İllər boyu biz güman edirdik ki, bəzi emal parametrləri bütün materiallar üçün “məhduddur”, çünki onlar keyfiyyətsiz son məhsulla nəticələnəcəklər” dedi APL-də baş material alimi Kroom.

“Lakin bütün imkanları araşdırmaq üçün süni intellektdən istifadə etməklə biz materialın möhkəmliyini və çevikliyini, qırılmadan dartılma və ya deformasiya qabiliyyətini qoruyub saxlamaq və ya hətta təkmilləşdirməklə daha sürətli çap etməyə imkan verən yeni emal bölgələrini kəşf etdik. İndi mühəndislər öz xüsusi ehtiyaclarına əsaslanaraq optimal emal parametrlərini seçə bilərlər.”

Bu tapıntılar yüksək performanslı titan hissələrinə arxalanan sənayelər üçün vəd edir. Daha güclü, daha yüngül komponentləri daha yüksək sürətlə istehsal etmək qabiliyyəti gəmiqayırma, aviasiya və tibbi cihazlarda səmərəliliyi artıra bilər. O, həmçinin aerokosmik və müdafiə üçün əlavə istehsalın inkişafı üçün daha geniş səylərə töhfə verir.

Uaytinq Mühəndislik Məktəbinin tədqiqatçıları, o cümlədən Somnath Ghosh, əlavələrlə hazırlanmış materialların ekstremal mühitlərdə necə işləyəcəyini daha yaxşı proqnozlaşdırmaq üçün süni intellektlə idarə olunan simulyasiyaları birləşdirir.

Ghosh NASA-nın iki Kosmik Texnologiya Tədqiqat İnstitutundan (STRI) birinə rəhbərlik edir, Cons Hopkins və Carnegie Mellon arasında əməkdaşlıq, materialın ixtisaslaşdırılması və sertifikatlaşdırılmasını sürətləndirmək üçün qabaqcıl hesablama modellərinin inkişafına yönəlmişdir.

Məqsəd kosmik tətbiqlər üçün yeni materialların layihələndirilməsi, sınaqdan keçirilməsi və təsdiqlənməsi üçün tələb olunan vaxtı azaltmaqdır – bu, APL-nin titan istehsalını təkmilləşdirmək və sürətləndirmək səyləri ilə sıx uyğunlaşır.

https://www.youtube.com/embed/N6pQG47kmbg?color=whiteAPL tədqiqatçıları, Ti-6Al-4V-nin xassələrini uyğunlaşdırmağın yeni yollarını müəyyən edərək, emal şərtlərinin bir funksiyası olaraq əlavə olaraq istehsal olunan Ti-6Al-4V-nin məsaməliliyini, möhkəmliyini və çevikliyini proqnozlaşdırmaq üçün maşın öyrənmə modellərini inkişaf etdirdilər. Kredit: Johns Hopkins APL/Brendan Croom

İrəli böyük bir sıçrayış

Bu sıçrayış aşqar istehsalının inkişafı üçün APL-də illərlə aparılan işlərə əsaslanır. APL-nin Tədqiqat və Kəşfiyyat İnkişafı Departamentinin istehsal texnologiyaları üzrə baş alimi Stiv Stork 2015-ci ildə Laboratoriyaya gələndə təcrübənin öz məhdudiyyətlərinin olduğunu başa düşdü.

“O vaxt Müdafiə Nazirliyində əlavə istehsalın istifadəsinə ən böyük maneələrdən biri materialların mövcudluğu idi – hər bir dizayn xüsusi material tələb edirdi, lakin onların əksəriyyəti üçün möhkəm emal şərtləri mövcud deyildi” deyə Storck xatırladı.

“Titan DoD ehtiyaclarını ödəyən bir neçə növdən biri idi və ənənəvi istehsal performansına uyğun və ya ondan artıq olması üçün optimallaşdırılmışdır. Biz bilirdik ki, aşqar istehsalının potensialını tam açmaq üçün materialların çeşidini genişləndirməli və emal parametrlərini təkmilləşdirməliyik.”

APL illərlə aşqarların istehsalını təkmilləşdirməklə, qüsurlara nəzarət və material performansına diqqət yetirmişdir. Storck komandası sürətli material optimallaşdırma çərçivəsi hazırladı, bu səy 2020-ci ildə patentin verilməsinə səbəb oldu. 2021-ci ildə APL komandası Johns Hopkins APL Technical Digest-də qüsurların mexaniki xüsusiyyətlərə necə təsir etdiyini araşdıran bir araşdırma dərc etdi .

Emal şəraitinin optimallaşdırılmasını əhəmiyyətli dərəcədə sürətləndirmək üçün nəzərdə tutulmuş bu çərçivə ən son tədqiqat üçün güclü zəmin yaratdı. Bu təməl üzərində qurulan komanda, ənənəvi sınaq və səhv üsulları ilə praktiki olmayan görünməmiş emal parametrlərini araşdırmaq üçün maşın öyrənməsindən istifadə etdi.

Bu yanaşma, maddi qeyri-sabitliklə bağlı narahatlıqlar səbəbindən əvvəllər işdən çıxarılan yüksək sıxlıqlı emal rejimini ortaya qoydu. Məqsədli tənzimləmələrlə komanda lazer toz yatağının birləşməsi üçün uzun müddət optimallaşdırılmış Ti-6Al-4V-ni emal etməyin yeni yollarını açdı.

“Biz yalnız artımlı təkmilləşdirmələr aparmırıq” dedi Storck. “Biz bu materialları emal etmək üçün tamamilə yeni yollar tapırıq, əvvəllər nəzərə alınmayan imkanları açırıq. Qısa müddət ərzində biz performansı mümkün hesab ediləndən kənara çıxaran emal şərtlərini kəşf etdik.”

https://googleads.g.doubleclick.net/pagead/ads?gdpr=0&us_privacy=1—&gpp_sid=-1&client=ca-pub-0536483524803400&output=html&h=188&slotname=2793866484&adk=1121470953&adf=3042148327&pi=t.ma~as.2793866484&w=750&abgtt=6&fwrn=4&lmt=1741589484&rafmt=11&format=750×188&url=https%3A%2F%2Ftechxplore.com%2Fnews%2F2025-03-ai-reveals-titanium-alloys.html&wgl=1&uach=WyJXaW5kb3dzIiwiMTkuMC4wIiwieDg2IiwiIiwiMTMzLjAuNjk0My4xNDIiLG51bGwsMCxudWxsLCI2NCIsW1siTm90KEE6QnJhbmQiLCI5OS4wLjAuMCJdLFsiR29vZ2xlIENocm9tZSIsIjEzMy4wLjY5NDMuMTQyIl0sWyJDaHJvbWl1bSIsIjEzMy4wLjY5NDMuMTQyIl1dLDBd&dt=1741589450231&bpp=1&bdt=313&idt=262&shv=r20250305&mjsv=m202503060101&ptt=9&saldr=aa&abxe=1&cookie=ID%3Dfdc40d724f2dca57%3AT%3D1735367325%3ART%3D1741589450%3AS%3DALNI_MYStQ6fUQQQLyo5Z7z1h-XhXcWBtA&gpic=UID%3D00000f80eacffadc%3AT%3D1735367325%3ART%3D1741589450%3AS%3DALNI_MYaOugky0UawScoidzfbXof3-N-iw&eo_id_str=ID%3De43bb863646b60b8%3AT%3D1735367325%3ART%3D1741589450%3AS%3DAA-AfjbQoPwZqH28q9IwcCLRSzzg&prev_fmts=0x0%2C1905x945%2C750x188%2C1005x124&nras=3&correlator=7377583867243&frm=20&pv=1&rplot=4&u_tz=240&u_his=2&u_h=1080&u_w=1920&u_ah=1032&u_aw=1920&u_cd=24&u_sd=1&dmc=8&adx=448&ady=4013&biw=1905&bih=945&scr_x=0&scr_y=256&eid=95352076%2C95354314%2C95354325%2C95354336%2C31090842%2C95353783&oid=2&psts=AOrYGslKE6jwBCiNu4KiPivEJgMmnVSA3ivN_7IcNZyECAwpW7PdVb6Do4PySyytn4gP2KZ_yBMPIrGM_VriGJBpqEW0dHlnCXW1zkx7ybhWf9ENNYJAZw&pvsid=871546352863060&tmod=483556793&uas=3&nvt=1&ref=https%3A%2F%2Fphys.org%2F&fc=1920&brdim=0%2C0%2C0%2C0%2C1920%2C0%2C1920%2C1032%2C1920%2C945&vis=1&rsz=%7C%7CpeEbr%7C&abl=CS&pfx=0&fu=128&bc=31&bz=1&td=1&tdf=2&psd=W251bGwsbnVsbCxudWxsLDNd&nt=1&ifi=3&uci=a!3&btvi=3&fsb=1&dtd=34011

AI gizli nümunələri tapır

Titanın xüsusiyyətləri, bütün materiallar kimi, materialın emal üsulundan təsirlənə bilər. Lazer gücü, skan sürəti və lazer izləri arasındakı məsafə materialın necə bərkidiyini – onun möhkəm və çevik və ya kövrək və qüsurlu olmasını müəyyən edir. Ənənəvi olaraq, düzgün kombinasiyanı tapmaq üçün yavaş sınaq və səhv sınağı tələb olunurdu.

Parametrləri əl ilə tənzimləmək və nəticələri gözləmək əvəzinə, komanda əvvəlki məlumatlar əsasında ən perspektivli növbəti təcrübəni proqnozlaşdıran maşın öyrənmə texnikası olan Bayesian optimallaşdırmasından istifadə edərək süni intellekt modellərini öyrətdi.

Erkən sınaq nəticələrini təhlil edərək və hər bir iterasiya ilə öz proqnozlarını dəqiqləşdirərək, AI sürətlə ən yaxşı emal şərtlərinə uyğunlaşdı – tədqiqatçılara minlərlə konfiqurasiyanı laboratoriyada sınaqdan keçirməzdən əvvəl virtual olaraq araşdırmaq imkanı verdi.

Bu yanaşma komandaya daha güclü, daha sıx titan istehsal edə bilən əvvəllər istifadə edilməmiş parametrləri tez bir zamanda müəyyən etməyə imkan verdi – bəziləri ənənəvi istehsalda işdən çıxarıldı. Nəticələr, hansı lazer parametrlərinin ən yaxşı material xüsusiyyətlərini verdiyi barədə uzun müddətdir mövcud olan fərziyyələri alt-üst etdi.

“Bu, yalnız hissələrin daha sürətli istehsalı ilə bağlı deyil” dedi Kroom. “Bu, güc, çeviklik və səmərəlilik arasında düzgün tarazlığı yaratmaqdan gedir. Süni intellekt bizə özümüz hesab etməyəcəyimiz emal bölgələrini araşdırmaqda kömək edir.”

Storck vurğuladı ki, yanaşma titan çapını təkmilləşdirməkdən kənara çıxır – o, materialları xüsusi ehtiyaclar üçün fərdiləşdirir.

“İstehsalçılar tez-tez hər kəsə uyğun parametrlər axtarırlar, lakin sponsorlarımız dəqiqliyə ehtiyac duyurlar” dedi. “İstər Arktikada sualtı qayıq, istərsə də ekstremal şəraitdə uçuş komponenti olsun, bu texnika bizə ən yüksək performansı qoruyaraq, həmin unikal çətinlikləri optimallaşdırmağa imkan verir”.

Croom əlavə etdi ki, daha mürəkkəb maddi davranışları proqnozlaşdırmaq üçün maşın öyrənmə modelini genişləndirmək başqa bir əsas məqsəddir. Komandanın ilk işi sıxlığa, gücə və çevikliyə baxırdı və Croom, yorğunluq müqaviməti və ya korroziya kimi digər vacib amilləri modelləşdirməyə diqqət yetirdiyini söylədi.

“Bu iş süni intellekt, yüksək məhsuldarlıq testi və məlumatlara əsaslanan istehsalın gücünün bariz nümayişi oldu” dedi.

“Əvvəllər yeni materialın sponsorumuzun müvafiq mühitlərində necə reaksiya verəcəyini anlamaq üçün illərlə sınaq tələb olunurdu, amma bunun əvəzinə həftələr ərzində bütün bunları öyrənə bilsək və bu fikirdən təkmil ərintiləri sürətlə istehsal etmək üçün istifadə edə bilsək nə olardı?”

Bu tədqiqatın uğuru daha geniş tətbiqlərə qapı açır. Storck bildirib ki, bu yaxınlarda nəşr olunan məqalə titan üzərində fokuslanıb, lakin eyni süni intellektlə idarə olunan yanaşma digər metallara və istehsal texnikalarına, o cümlədən əlavə istehsaldan istifadə etmək üçün xüsusi olaraq hazırlanmış ərintilərə tətbiq edilib.

Gələcək kəşfiyyat sahələrindən biri sözdə in situ monitorinqdir – real vaxt rejimində istehsal prosesini izləmək və tənzimləmək imkanı.

Storck ən müasir metal aşqarlarının istehsalının evdə 3D çap kimi qüsursuz ola biləcəyi vizyonunu təsvir etdi: “Biz gələcək aşqar istehsal sistemlərinin çap etdikcə tənzimləyə biləcəyi, geniş sonrakı emala ehtiyac olmadan mükəmməl keyfiyyəti təmin edən və hissələrin keyfiyyətli doğula biləcəyi bir paradiqma dəyişikliyini nəzərdə tuturuq.”

Daha çox məlumat: Timothy Montalbano və digərləri, Maşın öyrənməsi Ti-6Al-4V üçün yeni L-PBF emal domenlərinin kəşfini təmin etdi, Əlavə İstehsalat (2024). DOI: 10.1016/j.addma.2024.104632Johns Hopkins Universiteti tərəfindən təmin edilmişdir