如何使用AI控制数字化制造?
尽管科学家和工程师们正在不断地创造可用于3D打印的具有特殊品质的新材料,但这可能是一项具有挑战性且成本高昂的任务。为了找到始终如一地产生新材料最佳打印质量的最佳参数,专业操作人员经常需要进行人工试错实验,有时创建数千张打印。打印速度和打印机沉积的材料量是其中的一些变量。现在,麻省理工学院的研究人员利用AI来简化这一过程。他们开发了一种ML系统,使用计算机视觉来监控生产过程,并实时修复处理错误。在使用模拟训练神经网络如何更改打印参数以减少错误后,他们将控制器放在真正的3D打印机上。这项工作避免了打印数万或数

尽管科学家和工程师们正在不断地创造可用于3D打印的具有特殊品质的新材料,但这可能是一项具有挑战性且成本高昂的任务。
为了找到始终如一地产生新材料最佳打印质量的最佳参数,专业操作人员经常需要进行人工试错实验,有时创建数千张打印。打印速度和打印机沉积的材料量是其中的一些变量。
现在,麻省理工学院的研究人员利用AI来简化这一过程。他们开发了一种ML系统,使用计算机视觉来监控生产过程,并实时修复处理错误。
在使用模拟训练神经网络如何更改打印参数以减少错误后,他们将控制器放在真正的3D打印机上。
这项工作避免了打印数万或数亿实际对象来教授神经网络的过程。此外,这可能使工程师更容易在其设计中加入新颖的材料,使之能够创造出具有独特的化学或电气特性的产品。如果在设置或正在打印的材料发生意外变化,这也可能使技术人员更容易对打印过程进行快速调整。
由于涉及大量的试验和错误,为数字化制造方法选择最佳参数可能是过程中最昂贵的步骤之一。此外,一旦技术人员发现功能良好的组合,这些参数仅在该特定情况下是最佳的。因为其缺乏关于该物质如何在各种环境、各种装备上发挥作用或新批次是否具有不同特征的信息。
此外,使用ML系统也存在困难。研究人员必须首先对打印机上发生的事情进行实时测量。
为此,他们开发了一个机器视觉装置,两个摄像头指向3D打印机的喷嘴。该技术在材料沉积时对其进行照明,并根据通过的光量确定材料的厚度。
要训练基于神经网络的控制器来理解这个制造过程,需要进行数百万次打印,这是一个数据密集型操作。
他们的控制器使用一种被称为强化学习的方法进行训练,这种方法通过在模型出错时付费来教育模型。该模型需要选择可以在虚拟环境中生成特定对象的打印参数。当模型在给定预测结果后,选取的参数使其打印结果与预期结果之间的方差最小即可获得。
在这种情况下,“错误”意味着模型要么分配了过多的材料,填充了应该保持空白的空间;要么没有足够的材料,留下了需要填充的空间。
然而,现实世界比模型还要粗糙。实际上,条件通常会因微小的波动或印刷过程噪声而改变。研究人员利用这种方法来模拟噪声,从而产生更准确的结果。
当对控制器进行测试时,这比他们检查的任何其他控制策略都更精确地打印出物体。其在打印填充材料时尤其有效,这涉及到打印物体的内部。研究人员的控制器改变了打印路径,使物体保持水平,而其他一些控制器放置了大量材料,使打印的物体会向上突出。
即使在材料沉积之后,控制策略也可以了解其如何分散和适应参数。
研究人员打算为其他制造过程创建控制,现在他们已经证明了这种方法在3D打印中的效率。他们还想研究如何改变策略,以适应有多个材料层或各种材料同时生产的情况。此外,他们的方法假设每种材料都有恒定的粘度,但以后的版本可能会使用AI实时检测和计算粘度。
Windows 10 是一款微软推出的经典操作系统,拥有硬件兼容性与多任务处理能力。它更偏向把系统状态查看和常用调节动作放在一起,适合需要持续观察和微调设备状态的场景。
极度公式是一款跨平台专业LaTeX公式识别编辑软件,支持OCR公式识别和多平台编辑。和使用说明,避免使用,享受完整功能与稳定支持。做扫描整理、文字提取和表格转换时,它能把识别后的处理步骤接得更顺,资料录入这类场景会省下不少时间。
















