基于神經(jīng)網(wǎng)絡的3D打印砂型澆注系統(tǒng)設計

供稿人：李成偉,、張航 供稿單位：西安交通大學機械制造系統(tǒng)工程國家重點實驗室

砂模鑄造是一種經(jīng)濟的金屬成型工藝,，已被用于制造各種尺寸和復雜性的金屬零件,。在金屬充型過程中，澆注系統(tǒng)可以控制型腔中的熔體流動,，可能對鑄件質(zhì)量產(chǎn)生巨大影響,。使用增材制造技術可以直接成形復雜形狀的砂型，這對澆注系統(tǒng)的結構有了更高的要求,。但目前對澆注系統(tǒng)的研究都集中在試錯實驗,、有限元方法上，速度比較慢,。最近,，法國國立高等工程技術學校的Ahmed Ktari等人提出了一種基于神經(jīng)網(wǎng)絡技術的3D打印砂型澆注系統(tǒng)設計的數(shù)字孿生方法。該技術工作原理為：首先進行3D打印砂型澆注系統(tǒng)的熔體流動模擬,，之后將澆注系統(tǒng)的模擬數(shù)據(jù)輸入神經(jīng)網(wǎng)絡模型,。神經(jīng)網(wǎng)絡模型可以通過模擬結果調(diào)整尺寸并進行流體速度預測，最終達到滿足要求的系統(tǒng)設計,。

圖1 澆注系統(tǒng)設計的數(shù)字孿生示意圖

3D打印砂型澆注系統(tǒng)的數(shù)字孿生由一個閉環(huán)組成,，該閉環(huán)包括混合機械/ 神經(jīng)網(wǎng)絡模型,，大數(shù)據(jù)，數(shù)據(jù)分類/內(nèi)部設計分類模型和機器學習（如圖1所示）,。使用力學模型基于經(jīng)典流體動力學方程式模擬熔體流動行為,，并使用控制體積有限元求解動量和能量方程式，獲得可變參數(shù)的解,。將混合機械/ 神經(jīng)網(wǎng)絡模型制成雙向模型,，在填充階段，模型會持續(xù)評估感測數(shù)據(jù),，以檢查它們是否在可接受的范圍內(nèi),。如果發(fā)現(xiàn)任何偏差，控制模型將通過調(diào)整其幾何尺寸來提供新的澆注系統(tǒng)設計,，以避免例如型腔中的湍流熔體流動,，從而限制模具在填充階段的流速（小于0.5 m/s）。

為了驗證3D打印砂型澆注系統(tǒng)的數(shù)字孿生的有效性,設計某鑄件的澆注系統(tǒng),，對鑄件及澆注系統(tǒng)進行三維建模,，使用ProCAST軟件對澆注過程進行模擬，網(wǎng)格尺寸劃分為1mm,，材料選擇為鋁合金EN AC-44200,，導熱系數(shù)，比熱容和密度來自ProCAST®數(shù)據(jù)庫,。之后將模擬所得的數(shù)據(jù)導入神經(jīng)網(wǎng)絡系統(tǒng)中進行優(yōu)化,。

對比神經(jīng)網(wǎng)絡預測速度與有限元模擬速度。神經(jīng)網(wǎng)絡速度預測的RMSE為0.045 m/s,這證明了設計的神經(jīng)網(wǎng)絡模型可以給出令人滿意的預測值,。并且更新后的速度預測的RMSE為0.031 m/s,與更新前相比可提供更好的數(shù)據(jù)預測,。

因此，基于神經(jīng)網(wǎng)絡的3D打印砂型設計的數(shù)字孿生可以準確預測不同澆注系統(tǒng)參數(shù)組合下的流體速度,，與有限元仿真相比,，這些預測可以非常快速,，輕松地進行,，大大減少仿真時間。

參考文獻：
Ktari A , Mansori M E . Digital twin of functional gating system in 3D printed molds for sand casting using a neural network[J]. Journal of Intelligent Manufacturing, 2020(2).