Zyski:
- Umiejętność prawidłowego pozycjonowania AI w przypadkach obciążeń, warunkach brzegowych i interpretacji wyników w badaniach elementów skończonych (FEA).
- Możliwość eksplorowania optymalizacji topologii i wyboru materiałów kompozytowych w celu zmniejszenia masy przy wsparciu AI
- Możliwość weryfikacji wyników współczynnika bezpieczeństwa, trwałości zmęczeniowej i tolerancji na uszkodzenia poprzez niezależne obliczenia
Konstrukcja statku powietrznego ma jedną misję: przenosić wszystkie wymagane obciążenia w akceptowalnym marginesie bezpieczeństwa przez cały przewidywany okres użytkowania; i zrobić to przy jak najmniejszej masie. W lotnictwie każdy dodatkowy kilogram oznacza dodatkowe spalanie paliwa przez całe życie i ładunek, którego nie da się unieść. Dlatego inżynier budowlany pracuje w ciągłym napięciu: wystarczająco mocnym, ale niezbyt ciężkim. Nowoczesnym narzędziem do ustalenia tej równowagi jest analiza elementów skończonych (FEA; Analiza elementów skończonych, metoda, która dzieli konstrukcję na małe elementy i numerycznie rozwiązuje zmiany naprężeń i odkształceń w każdym z nich).
Sztuczna inteligencja (AI) łagodzi trzy ciężkie prace związane z analizą strukturalną: dokładne ustalanie przypadków obciążeń i warunków brzegowych, interpretowanie złożonych wyników MES oraz badanie doboru materiałów poprzez optymalizację topologii (metoda, która znajduje najlżejszy, trwały kształt przy danych obciążeniach, rozprowadzając materiał tylko tam, gdzie jest potrzebny). Ale konstrukcja jest szczytem znaczenia dla bezpieczeństwa: czynnik błędu bezpieczeństwa prowadzi bezpośrednio do uszkodzenia konstrukcji, tj. złamania skrzydła lub kadłuba. Dlatego nie należy stosować żadnych naprężeń, trwałości ani współczynników bezpieczeństwa podanych przez sztuczną inteligencję bez niezależnych obliczeń ręcznych i przeglądu inżyniera.
Pojęcia: Współczynnik bezpieczeństwa: Stosunek obciążenia, jakie może wytrzymać materiał, do obciążenia obliczeniowego; W lotnictwie zwykle stosuje się 1,5-krotność obciążenia dopuszczalnego (maksymalnego). Naprężenie von Misesa: Miara porównywana z plastycznością, która zmniejsza naprężenie wieloosiowe do pojedynczej wartości równoważnej. Zmęczenie: Materiał z czasem pęka i pęka pod wpływem powtarzających się obciążeń. Tolerancja uszkodzeń: Zdolność konstrukcji do bezpiecznego przenoszenia jej do następnej kontroli, nawet w przypadku pęknięcia.
Prawidłowe pozycjonowanie AI w procesie pracy MES
Badanie MES składa się zasadniczo z następujących etapów: rozbicie geometrii na siatkę elementów, zdefiniowanie właściwości materiału, zastosowanie obciążeń i podpór (warunki brzegowe), rozwiązanie i interpretacja wyniku. Większość błędów zaczyna się na dwóch ostatnich etapach: nieprawidłowo zastosowanym warunku brzegowym lub błędnie zinterpretowanej koncentracji naprężeń.
Sztuczna inteligencja ma ogromne możliwości w systematyzowaniu przypadków obciążeń. Konstrukcję statku powietrznego projektuje się nie z pojedynczym obciążeniem, ale z obwiednią obciążenia (wszystkie krytyczne kombinacje obciążeń, takie jak manewrowanie, podmuch wiatru, lądowanie, ciśnienie). Jeśli poinformujesz AI o misji i konfiguracji, przypomni Ci ona o przypadkach obciążeń, które mogą zostać przeoczone (np. asymetryczne opadanie, cykl zwiększania ciśnienia) w formie listy kontrolnej. W swoim komentarzu końcowym von Mises zadaje pytania kontrolne, które pomagają rozróżnić, czy szczyty na mapie naprężeń są rzeczywiste, czy osobliwości (ostry narożnik lub niefizyczne naprężenie, które matematycznie dąży do nieskończoności przy obciążeniu punktowym). Ale który pik jest rzeczywisty, inżynier określa na podstawie testów pocieniania siatki.
Uwaga: W MES naprężenia w ostrych narożnikach wewnętrznych stale rosną w miarę zmniejszania się grubości siatki; To osobliwość, a nie rzeczywistość. Jeśli sztuczna inteligencja oznaczy naprężenie szczytowe jako „krytyczne”, najpierw sprawdź za pomocą testów przerzedzania, czy jest to osobliwość sieciowa; W przeciwnym razie dodasz niepotrzebny materiał do problemu, który nie istnieje.
Optymalizacja topologii i dobór materiałów
Optymalizacja topologii rozwiązuje pytanie „jak zapewnić tę wytrzymałość przy najmniejszej masie”, biorąc pod uwagę projektowaną objętość, obciążenia i wiązania, i często tworzy organiczne struktury przypominające kości. Metoda ta w połączeniu z produkcją przyrostową (wytwarzaniem części za pomocą druku 3D) zapewnia w lotnictwie poważne przyrosty masy. Sztuczna inteligencja pomaga w ustawieniu optymalizacji (który obszar pozostanie stały, jakie będzie ograniczenie objętości, w jaki sposób zostaną zdefiniowane obciążenia) i interpretacji wyniku pod kątem wykonalności.
Wybór materiału to kolejny obszar kompromisu. Stopy aluminium, tytan, stal i kompozyty (kompozyty; lekkie i mocne materiały, w których włókna takie jak włókno węglowe są łączone z żywicą) zapewniają różną równowagę pomiędzy wytrzymałością, gęstością, kosztem i możliwością produkcji. Sztuczna inteligencja tworzy tabelę, w której porównuje się kandydatów pod względem określonej wytrzymałości (wytrzymałości/gęstości), zachowania zmęczeniowego, tolerancji temperaturowej i kosztu; ale ostateczny wybór należy do decyzji inżyniera na podstawie historii certyfikacji i faktów dotyczących dostaw.
Materiał
Gęstość (kg/m3)
konkretna siła
zmęczenie
Typowe użycie
Aluminium 7075
~2810
wysoki
średni
Tułów, żebra, rozciągnięcie
Tytan Ti-6Al-4V
~4430
bardzo wysoki
dobrze
Poduszka silnika, podwozie
Stal (4340)
~7850
średni
dobrze
Łożyska o dużym obciążeniu
kompozyt z włókna węglowego
~1600
najwyższy
Bardzo dobry (w zależności od kierunku)
Skrzydło, ogon, skorupa
Wskazówka: Sprawdź każdy numer w tabeli materiałów na podstawie arkusza danych materiału, a nie AI. AI zapamiętuje typowe wartości, ale wartość wpisana w kolejnym kroku musi pochodzić z certyfikowanej karty katalogowej stopu i obróbki cieplnej, którą będziesz stosować.
Słaba zachęta/silna zachęta
Słaba zachęta:
Naprężenie tego wspornika okazało się równe 400 MPa. Czy to jest bezpieczne?
Potężny monit:
Rola: Jesteś starszym inżynierem konstrukcji; Stosujesz weryfikację krytyczną dla bezpieczeństwa. Kontekst (wartości reprezentatywne): Wspornik aluminiowy 7075-T6, szczytowe naprężenie von Misesa w MES przy obciążeniu granicznym wynosi 400 MPa. Granica plastyczności materiału ~503 MPa. Szczyt występuje w ostrym narożniku wewnętrznym. Zadanie: 1) Oblicz współczynnik bezpieczeństwa dla obciążenia granicznego i maksymalnego (1,5x); napisz jednostkę.2) Jak sprawdzić krok po kroku, czy wierzchołek jest osobliwością siatki.3) Jaka dodatkowa analiza jest wymagana pod kątem zmęczenia? Ograniczenie: Nie oceniaj jako „bezpieczne”; Powiedz mi, po jakich kontrolach można podjąć decyzję. Przypomnij mi o sprawdzeniu wartości materiałów z karty katalogowej.
Kopiowalne szablony podpowiedzi
Szablon 1 – Lista kontrolna przypadków obciążeń:
Utwórz obszerną listę kontrolną przypadków obciążeń krytycznych (kontekst reprezentatywny), które powinienem uwzględnić przy projektowaniu następującej konstrukcji: [część, zadanie]. Weź pod uwagę manewrowanie, podmuch, opadanie, ciśnienie, temperaturę, wibracje i przypadki asymetryczne. Dla każdego przypadku obciążenia zapisz, która kombinacja jest ogólnie krytyczna i jak ją sprawdzić. Jeśli coś pominąłeś, oznacz to jako „sprawdź”.
Wzór 2 – Obliczanie współczynnika bezpieczeństwa i marginesu:
Oblicz margines bezpieczeństwa z następującego wyniku MES (wyraźnie zapisz jednostki): szczytowe naprężenie von Misesa=[...], wydajność materiału=[...], wytrzymałość graniczna=[...].(a) Margines/współczynnik bezpieczeństwa oddzielnie dla obciążenia granicznego i obciążenia ostatecznego (1,5x).(b) Kroki, w których powinienem zakwestionować wynik pod kątem osobliwości.(c) Jeśli margines jest ujemny, które zmiany projektowe najmniej zwiększają masę?Pokaż każdy etap obliczeń; Potwierdzę ręcznym obliczeniem.
Szablon 3 — Konfiguracja optymalizacji topologii:
Pomóż mi zdefiniować konfigurację optymalizacji topologii (reprezentatywną): objętość projektowa=[...], obszary, które muszą pozostać stałe (obciążenie/podparcie)=[...], cel=minimalizacja masy, ograniczenie=ułamek objętości lub naprężenie.(a) Które obszary powinienem pozostawić „poza projektem”? (b) Jeśli wynik jest organiczny, jakie ograniczenia powinienem dodać w odniesieniu do możliwości produkcyjnych (wytwarzanie przyrostowe, minimalna grubość ścianki)? (c) Jak zweryfikować wynik za pomocą MES?
Szablon 4 – Tabela kompromisów materiałowych:
Przygotuj tabelę porównującą [część, obciążenie, temperaturę, środowisko] kandydatów na materiały dla następującego zastosowania: aluminium, tytan, stal, kompozyt. Kryteria: wytrzymałość właściwa, zachowanie zmęczeniowe, tolerancja temperatury, możliwości produkcyjne, koszt względny, dojrzałość certyfikacyjna. Oznacz każdą wartość liczbową notatką „weryfikuj z arkusza danych”; nie zapisuj dokładnej wartości, podaj typowy zakres.
Mini etui
Przypadek 1 — Osobliwość uważa się za rzeczywistą. Inżynier wpada w panikę, gdy patrzy na ujawnione w MES naprężenie szczytowe wynoszące 620 MPa w wsporniku łączącym; wydajność materiału wynosi 503 MPa, marża wydaje się ujemna. Stosuje się test przerzedzania sieci sugerowany przez sztuczną inteligencję: w miarę zagęszczania sieci naprężenia rosną od 620 do 680, a następnie do 740 MPa, czyli nie ulegają zbieżności. To jest osobliwość; Rzeczywiste naprężenie ustala się na poziomie 410 MPa, gdy małe zaokrąglenie w narożniku jest modelowane i ponownie rozwiązywane, a margines staje się dodatni. Lekcja: nieograniczone obciążenie przyrostowe jest liczbowe, a nie fizyczne.
Przypadek 2 — Optymalizacja topologii pozwala zaoszczędzić 28% masy. Topologia zespołu optymalizuje wspornik mocowania silnika, którego tradycyjna konstrukcja wynosi 1,85 kg. Sztuczna inteligencja pomaga skonfigurować konfigurację (stałe strefy, ograniczenie głośności); Powstałą w ten sposób geometrię organiczną przystosowano do wytwarzania przyrostowego z tytanu, zmniejszając wagę do 1,33 kg. Jednakże zespół nie zatwierdza zoptymalizowanej geometrii bez sprawdzenia jej poprzez walidację MES i analizę zmęczenia; ponieważ optymalizacja skupiała się na wytrzymałości statycznej i nie uwzględniała bezpośrednio zmęczenia. Lekcja: wynik optymalizacji to początek, a nie zatwierdzony projekt.
Przypadek 3 – Kiedy zmęczenie jest ignorowane. Zespół studentów potwierdza mocowanie skrzydła, które wydaje się mieć duży margines w analizie statycznej; Sztuczna inteligencja przypomina nam, że margines statyczny jest wystarczający, ale powtarzające się obciążenia podczas startu i lądowania zadecydują o trwałości zmęczeniowej. Proste obliczenia za pomocą krzywej S-N (zależność amplitudy naprężenia - liczba cykli) pokazują, że konstrukcja może inicjować pęknięcia po 20 000 cyklach, podczas gdy docelowa trwałość wynosi 60 000 cykli. Część została przeprojektowana poprzez zmniejszenie intensywności naprężeń. Lekcja: bezpieczeństwo statyczne nie oznacza bezpieczeństwa zmęczeniowego.
Typowe błędy
- Mylenie osobliwości z prawdziwym napięciem. Nieograniczone rosnące naprężenie w ostrym narożniku jest liczbowe; Materiał nie jest dodawany bez próby rozcieńczania.
- Patrzę tylko na ładunek statyczny. Zmęczenie pod powtarzającym się obciążeniem może spowodować uszkodzenie części, która wydaje się statycznie bezpieczna.
- Uzyskiwanie wartości materialnej od AI. Wartość wytrzymałości, którą należy obliczyć, pochodzi z certyfikowanej karty danych stopu i obróbki cieplnej.
- Mylenie wyników optymalizacji ze zweryfikowanym projektem. Wynik topologii nie jest zatwierdzany bez weryfikacji FEA, wykonalności i kontroli zmęczenia.
- Niekompletny montaż osłony ładunkowej. Najbardziej krytyczny może być przypadek pominiętego obciążenia (asymetryczne opadanie, zwiększenie ciśnienia).
Podsumowując
Analiza strukturalna jest szczytem krytyczności bezpieczeństwa; naprężenie lub czynnik błędu bezpieczeństwa bezpośrednio prowadzi do zniszczenia konstrukcji. AI to potężny asystent w systematyzowaniu przypadków obciążeń, interpretacji wyników, konfiguracji optymalizacji topologii i kompromisie materiałowym. Ale szczytowe naprężenia są weryfikowane przez osobliwość, wyniki przez ręczne obliczenia, wartości materiałów według arkusza danych, marginesy statyczne przez zmęczenie. Wynik optymalizacji jest punktem wyjścia; Ostateczne zatwierdzenie to zweryfikowana analiza i przegląd inżynierski.
Zadanie aplikacji
Zdefiniuj reprezentatywny scenariusz obciążenia i materiału dla prostej części konstrukcyjnej (wspornik, żebro, połączenie). Wykorzystując sztuczną inteligencję, (a) sporządzić listę kontrolną przypadków obciążeń krytycznych, (b) obliczyć i zweryfikować ręcznie obliczenia graniczne i ostateczne współczynniki bezpieczeństwa dla danego naprężenia szczytowego, (c) omówić, jak sprawdzić, czy szczyt jest osobliwością. Przygotuj tabelę kompromisów materiałowych i sprawdź co najmniej jedną wartość w arkuszu danych.
lista kontrolna
- [ ] Podałem przypadki obciążeń krytycznych jako obwiednię obwiedni.
- [ ] Obliczyłem współczynnik bezpieczeństwa oddzielnie dla obciążenia granicznego i granicznego i potwierdziłem to obliczeniami ręcznymi.
- [ ] Sprawdziłem, czy naprężenia szczytowe są osobliwościami, za pomocą testu rozcieńczania.
- [ ] Oprócz marginesu statycznego oceniłem tolerancję na zmęczenie/uszkodzenia.
- [ ] Sprawdziłem wartości materiałowe z certyfikowanej karty katalogowej.
- [ ] Przekazałem wyniki optymalizacji topologii poprzez walidację MES.