IMDEA材料研究所和马德里科技大学(UPM)的研究人员已开发出一种创新的数字孪生技术,可以实时分析复合材料制造过程。
该突破性成果的论文题为《通过液态成型实现结构复合材料智能制造的数字孪生》(A digital twin for intelligent manufacturing of structural composites via liquid molding),发表在《国际先进制造技术杂志》(The International Journal of Advanced Manufacturing Technology)上。
论文的作者是 IMDEA 材料研究所研究人员Carlos González教授、Joaquín Fernández-León博士和Keayvan Keramati博士以及UPM的Luis Baumela博士。
作者在论文中提出了一种数字孪生技术,用于分析使用树脂传递模塑(RTM)的结构复合材料的制造过程。
论文的共同作者、IMDEA材料研究所结构复合材料研究小组负责人González教授表示,“据我所知,这是首个用于分析复合材料制造过程的数字孪生系统。”
数字孪生是一个物体、部件或系统的虚拟模型或表现形式,可以通过传感器实时更新数据,传感器可以置于物体本身或纳入到制造过程中。
例如,飞机部件或涡轮机可以配备各种传感器,用于监控关键功能区域。
这些传感器获得的数据可直接纳入虚拟模型,虚拟模型然后可根据接收到的信息进行模拟,以识别潜在的材料故障或性能问题。
不过,上述新设计的数字孪生系统与类似应用的不同之处在于,新设计的数字孪生侧重于复合材料制造过程本身,而不是仅限于对制造部件生产的后期分析。
这种主动能力可以实现实时优化和早期故障检测,标志着模拟辅助数字制造领域的重大进步。
González 教授表示,“我们在这篇文章中提出的数字孪生系统可以在整个制造过程中为制造商提供材料的实时图像。”
González 教授还表示,“这样就可以监控模具的填充情况、材料的多孔程度、是否存在孔洞等等。”
RTM 是液态复合材料成型 (LCM) 中的先进技术,其特点是能够以经济高效的方式生产具有降低空隙含量的高性能复合材料零件。
通过将RTM与数字孪生技术相结合的方法可以对注塑压力和固化时间等关键工艺参数进行实时监控和动态调整,从而显著提高最终产品质量和生产效率。
Fernández-León博士表示,“我们研究的下一步是开发先进的数字孪生技术,使操作员不仅能够详细监控生产过程,还能够直接干预并根据预测建模进行实时调整。”
Fernández-León博士接着表示,“例如,可以包括根据数字孪生的预测分析自动调整树脂注射压力或模具温度,防止缺陷形成,为高度优化的智能制造铺平道路。”
好文章,需要你的鼓励
南洋理工大学研究团队开发了WorldMem框架,首次让AI拥有真正的长期记忆能力,解决了虚拟世界模拟中的一致性问题。该系统通过记忆银行存储历史场景,并使用智能检索机制,让AI能准确重现之前的场景和事件,即使间隔很长时间。实验显示在Minecraft和真实场景中都表现出色,为游戏、自动驾驶、机器人等领域带来广阔应用前景。
AWS通过升级SageMaker机器学习平台来扩展市场地位,新增观测能力、连接式编码环境和GPU集群性能管理功能。面对谷歌和微软的激烈竞争,AWS专注于为企业提供AI基础设施支撑。SageMaker新功能包括深入洞察模型性能下降原因、为开发者提供更多计算资源控制权,以及支持本地IDE连接部署。这些更新主要源于客户需求,旨在解决AI模型开发中的实际问题。
MTS AI研究团队提出RewardRanker系统,通过重排序模型和迭代自训练显著提升AI代码生成质量。该方法让13.4B参数模型超越33B大模型,在多种编程语言上表现优异,甚至在C++上超越GPT-4。通过引入困难负样本和PPO优化,系统能从多个代码候选中选出最优方案,为AI编程助手的实用化奠定基础。