Russische Wissenschaftler entwickeln neuronales Netzwerk für den 3D-Druck von Metallprodukten

Wissenschaftler der Peter Polytechnischen Universität St. Petersburg (SPbPU) entwickelten kürzlich ein neuronales Netzwerk für den 3D-Druck von Metallprodukten. Die mathematische Modellierung, die für den 3D-Druck erforderlich ist, erfordert eine hohe Rechenleistung. Berechnungen für die Herstellung selbst der einfachsten Teile dauern Wochen, sagte ein Vertreter des Medienzentrums der Universität in einem Interview mit Sputnik. Experten erklären, dass die Verwendung von neuronalen Netzwerken, die mit Hilfe einer größeren Anzahl von Parametern trainiert werden, nicht nur das schnellere Erhalten von Teilen ermöglicht, sondern auch die Verwendung der entdeckten Abhängigkeiten zur Herstellung neuer Teile.

Neuronale Netzwerke sind Computersysteme, die zur Verarbeitung großer Dateneingaben verwendet werden. Universitätsforscher nutzten diese Methode, um Parameter für den 3D-Druckprozess zu erhalten und die Stabilität des Prozesses sicherzustellen.

“Dies war für uns sehr wichtig, da der Metalltransfer, der beim Bedrucken von Teilen aus Draht stattfindet, ein sehr komplexer Prozess ist, der durch konkurrierende physikalische Effekte gekennzeichnet ist. Er hat jedoch einen kritischen Einfluss auf die Qualität des Druckens “, sagte Oleg Panchenko, Leiter des Laboratoriums für leichte Materialien und Strukturen der St. Petersburger Polytechnischen Universität, SPbPU.

Das Netzwerk wurde in der Mathlab-Modellierungsumgebung entwickelt. Alle Daten wurden manuell eingegeben. Für die automatische Erfassung von Druckprozessparametern gibt es ein spezielles Werkzeug. Bisher wird dieser Datensatz jedoch offline verarbeitet.

Die Forscher geben an, dass sie als Nächstes ein Online-System erstellen, das auf einem neuronalen Netzwerk basiert und kontinuierlich lernt. Die Parameter werden automatisch zum System hinzugefügt, während sie während des Druckvorgangs eingestellt werden. Die Wissenschaftler glauben, dass das neue System die Qualität der Teile verbessern und die Entwicklung von Prozessparametern für die weitere Fertigung beschleunigen wird.

Dieses neuronale Netzwerk wird bereits heute zur Beurteilung der Qualitätsparameter von gefertigten Teilen verwendet (z. B. ob der Schweißprozess stabil ist, ob das Metall geschmolzen und korrekt übertragen wird usw.). Darüber hinaus nutzten die Wissenschaftler dieses Netzwerk, um stabile Druckmodi für die Herstellung von Mastköpfen zu entwickeln. Sie haben bereits ein Patent auf die neue Entwicklung als ihr geistiges Eigentum angemeldet.

“Wir sind die ersten, die neuronale Netze bei der Lichtbogenabscheidung verwenden”, sagte Panchenko. Der allgemeine Trend zur Verwendung neuronaler Netze in verschiedenen Bereichen wird bald auch in der additiven Fertigung Anwendung finden.

Die Forscher gehen davon aus, dass der Einsatz ähnlicher Ansätze zukünftig die Schaffung vollautomatischer, selbstlernender Systeme ermöglichen wird, mit denen die Qualität der hergestellten Teile ohne menschliche Überwachung kontinuierlich verbessert werden kann.