面向AI时代的纤维增强树脂基复合材料工艺仿真OA北大核心CSTPCD

纤维增强树脂基复合材料制造工艺是保证其产品结构效率和应用可靠性的关键,通过计算机进行工艺仿真是提高复合材料制造质量与降低制造成本的重要手段。传统工艺仿真依赖于制造过程中的物理化学机理,通过有限元/有限体积等数值计算方法,以及计算机图形学等辅助设计方法来求解相关机理模型的数学方程,目前已在增强体/预浸料的铺覆、树脂的渗透流动、热固性树脂的固化行为、热传导与热交换、非线性力学及残余应力与固化变形预测等方面得到广泛应用。近年来,人工智能(AI)的迅猛发展,其技术基础机器学习(ML)与人工神经网络(ANN)相结合,已用于增强体铺覆、液体成型工艺和热压罐工艺领域,主要目的是数据挖掘和建立降阶模型。前者可以建立工艺条件与制件固化质量、力学性能等之间的关系,后者则可以提高工艺仿真的计算效率。然而受限于纤维增强树脂基复合材料制造过程复杂、不可测、成本高的特点,在AI时代的起点,仅依赖实验获得的数据量难以满足ML的要求,同时数据驱动AI还面临模型代表性、普适性、可解释性不确定的问题。因此,基于物理化学机理的传统工艺仿真可为数据驱动ML仿真提供大量可靠数据,进而通过AI建立更多描述复合材料工艺的定量模型,扩展工艺仿真可计算的过程;同时,通过AI技术提高计算效率后,满足实时性要求的工艺仿真可进化为制造过程的数字孪生(DT),从而可为复合材料降低成本、提高全寿命周期管理的科学性提供新的技术支撑。