自动纤维铺放复合材料结构工艺优化中的机器学习与人工智能应用

摘要整理

自动纤维铺放（AFP）技术是实现航空级复合材料结构高效率生产的关键工艺。尽管AFP能提供精确可重复的纤维沉积，但现有检测方法仍以人工检验为主，严重中断生产流程并限制产能。为解决这一瓶颈，开发了新型AFP工艺在线检测系统（IAMIS）。该系统集成先进传感硬件与基于机器学习的分析模块，能在AFP操作过程中实时自主检测、分类、量化、定位和响应缺陷。对标商用检测系统的对比评估表明，IAMIS在多种缺陷类型的检测准确度、灵敏度和鲁棒性方面均具有显著优势。除实时缺陷检测外，IAMIS还集成了AI预测分析模块（IAMIS-AI），利用检测数据支持持续工艺优化。该模块基于历史制造数据（包括工艺参数、缺陷特征和零件几何）进行训练，能预测缺陷发生概率，并在AFP程序规划阶段将潜在缺陷区域可视化显示在三维数字铺层模型上。这些预测洞察使工程师能进行主动工艺调整、有针对性的质量保证措施，显著降低后续返工和停机时间。本文阐述了IAMIS系统架构、机器学习与人工智能框架设计及实验验证方法，展示了将数据驱动智能集成到AFP工艺中如何显著提升质量保证和生产效率。IAMIS的应用实现了从劳动密集型事后检测向全自动智能检测与优化生态系统的转变，满足严苛的航空制造要求，同时大幅降低周期时间和成本。

相关论文