Friss elismerés</b érkezett az Egyesült Államok Védelmi Haladó Kutatási Projektek Ügynökségétől (DARPA), amely a Massachusetts Institute of Technology (MIT), a Carnegie Mellon Egyetem (CMU) és a Lehigh Egyetem (Lehigh) kutatóit egyesíti a Multiobjective Engineering and Testing of Alloy Structures (METALS) program keretében.
A csapat új tervezési eszközök kutatására összpontosít, amelyek lehetővé teszik a forma és a kompozíciós grádiensek egyidejű optimalizálását a több anyagból készült szerkezetekben. Különös figyelmet fordítanak a bladed disk (blisk) geometriára, amelyet gyakran használnak a turbomasinákban, beleértve a jet és rakéta motorokat, mint egy példaként szolgáló kihívásproblémát.
„Ez a projekt fontos következményekkel járhat a légiközlekedési technológiák széles spektrumában. A munkánk betekintései megbízhatóbb, újrahasználható rakétamotorok kifejlesztését segíthetik elő, amelyek a következő generációs nehéz indítórendszereket hajtják majd” – mondta Zachary Cordero, az MIT Repülési és Űrmérnöki Tanszékének Esther és Harold E. Edgerton társprofesszora és a projekt vezető kutatója.
„Ez a projekt ötvözi a klasszikus mechanikai elemzéseket a legújabb generatív AI tervezési technológiákkal, lehetővé téve a kompozicionálisan grádelt ötvözetek plasztikus tartalékainak kiaknázását, így biztonságos működést biztosítva korábban elérhetetlen körülmények között.”
A bliszkek különböző helyei eltérő hőmechanikai tulajdonságokat és teljesítményt igényelnek, mint például a creep-ellenállás, alacsony ciklusú fáradás, nagy szilárdság stb. A nagyszabású gyártás során figyelembe kell venni a költség- és fenntarthatósági mutatókat is, mint például az ötvözetek beszerzését és újrahasznosítását a tervezés során.
„Jelenleg, a standard gyártási és tervezési eljárások mellett, egyetlen varázslatos anyagot, kompozíciót és feldolgozási paramétert kell kitalálni, hogy megfeleljenek a ‘egy alkatrész – egy anyag’ korlátoknak” – nyilatkozta Cordero. „A kívánt tulajdonságok gyakran kölcsönösen kizárják egymást, ami hatékonytalan tervezési kompromisszumokhoz vezet.”
Bár egy anyag alkalmazása optimális lehet egy adott helyen egy alkatrészben, más helyek esetében ez hibákat okozhat, vagy megkövetelheti, hogy egy kritikus anyagot az egész alkatrészben hordozzanak, amikor az csak egy konkrét helyen lenne szükséges. A voxel-alapú kompozíció- és tulajdonságkontrollt lehetővé tevő additív gyártási folyamatok gyors fejlődésével a csapat egyedülálló lehetőségeket lát a szerkezeti alkatrészek kiemelkedő teljesítményének elérésére.
Cordero munkatársai között található Zoltan Spakovszky, az AeroAstro Tanszék T. Wilson (1953) professzora; A. John Hart, a 1922-es osztály professzora és a Gépészmérnöki Tanszék vezetője; Faez Ahmed, az MIT gépészmérnöki karának ABS Karrierfejlesztési asszisztens professzora; S. Mohadeseh Taheri-Mousavi, a CMU anyagtudományi és mérnöki tanszékének adjunktus professzora; és Natasha Vermaak, a Lehigh gépészmérnöki és mechanikai tanszékének docense.
A csapat szakértelme magában foglalja a hibrid integrált számítástechnikai anyagmérnökséget, a gépi tanulás alapú anyag- és folyamattervezést, a precíziós műszerezettséget, a metrológiát, a topológiai optimalizálást, a mély generatív modellezést, az additív gyártást, az anyagkarakterizációt, a hőstruktúra analízist és a turbomasinákat.
„Különösen jutalmazó együtt dolgozni a METALS projektben részt vevő posztgraduális hallgatókkal és posztdoktori kutatókkal, akik a szélsőséges körülmények között működő tesztberendezések fejlesztésén dolgoznak” – mondta Hart. „Ez igazán egyedülálló lehetőség áttörő képességek kiépítésére, amelyek a jövő propulziós rendszereit alapozhatják meg, kihasználva a digitális tervezési és gyártási technológiákat.”
Ez a kutatás a DARPA HR00112420303 számú szerződése alapján valósul meg. A cikkben kifejtett nézetek és vélemények a szerzőé, és nem értelmezhetők a Védelmi Minisztérium vagy az Egyesült Államok kormányának hivatalos nézeteiként, és hivatalos jóváhagyás nem vonható le.
Érdekes tény: Az AI alkalmazásai az anyagok tervezésében radikálisan átalakítják a hagyományos gyártási folyamatokat, lehetővé téve a személyre szabott, optimalizált megoldásokat.
Források: MIT, DARPA, CMU, Lehigh University
