2022-05-26 | 울산=장지승 기자

研发出可感知螺丝松动的智能金属零部件

本页标题和正文均由AI机器翻译,未经人工审校。准确内容请以韩文原文为准。

能够辨别螺丝松动风险或物理变形因素的智能金属部件问世。

UNIST(蔚山科学技术院)26日表示,该校机械工学系郑任斗教授研究团队利用3D打印增材制造技术与人工智能技术,成功开发出“可感知的不锈钢金属部件”。此外,还通过人工智能技术与增强现实融合技术实现了金属部件层面的数字孪生。该研究由美国佐治亚理工学院、新加坡南洋理工大学、韩国材料研究院、浦项工科大学、庆尚国立大学共同参与。

研究团队开发的技术是在不锈钢金属部件制造过程中植入变形传感器,获得反映物理状态的数据,再通过人工智能分析使金属部件自行感知自身状态。

这种智能不锈钢金属部件能够以约90%的准确率自行感知周边固定螺丝的松动程度及松动螺丝的位置等,甚至可以区分敲击自身的物体种类(手、锤子、扳手等)。

此外,通过数字孪生金属部件,可在混合现实中实时确认该金属外部与内部应力分布的变化。

在主要为1000摄氏度以上高温工艺的金属成形中,在内部插入传感器的技术非常困难,研究团队运用了自主掌握的“金属成形传感器插入技术”。这是以L-PBF(在粉末材料上照射高温激光进行选择性结合的金属3D打印方式之一)方式的金属3D打印工艺,将易受热损坏的传感器安全插入设计位置的技术。同时设计插入位置,以避免传感器插入导致金属部件机械特性下降,并在插入后通过机械分析与微观组织分析验证其安全性。

作为第一作者参与研究的研究生徐恩赫表示:“这是一项通过从金属内部提取有意义的大数据并应用人工智能,最终可借各类金属机械相关制造产业的数字化,为产业现场的安全与生产率提升作出贡献的技术。”

另一方面,在现有金属基机械系统中,难以妥善收集有关变形的物理特性数据,应用人工智能技术存在局限。数据越能充分反映物理特性,人工智能就能进行越细致的分析。研究团队提出的传感器插入方式,相比表面粘贴传感器、外部摄像头观察、声音分析等间接分析方式,可实现更精密的感知。

作为通讯作者统领该研究的UNIST郑任斗教授表示:“此次研究成果不仅适用于不锈钢金属部件,也可应用于普通钢铁、铝、钛合金等制造业使用的各类一般机械部件,有望帮助引领现有生产、汽车、航空航天、核能与医疗器械产业的数字化转型。”

阅读韩文原文