Проект AI-SLAM по использованию ИИ для управления DED-наплавкой при ремонте быстроизнашивающихся деталей

Канадские машиностроители получают много заказов от горнодобывающей и нефтяной промышленности на ремонт быстроизнашивающихся металлических деталей. Например, зубья камнедробилок, используемых в горнодобывающей промышленности, нуждаются в регулярном капитальном ремонте.

Используя аддитивный процесс прямого подвода энергии и материала (DED) промышленные предприятия могут наносить новые слои металла на изношенную деталь и таким образом восстановливать их первоначальную геометрию.

Проблемой в этом подходе является неравномерный износ детали, что означает необходимость нанесения слоев разной толщины. Оператор должен производить измерения после каждого этапа нанесения новых слоев/покрытий и корректировать процесс.

Цель проекта заключается в автоматизации этого этапа. Для этого система автоматически регистрирует геометрические параметры в процессе нанесения покрытия, обнаруживает отклонения от заданного контура и перенастраивает параметры процесса, например, скорость подачи.

Оптимизированные параметры управления рассчитываются с помощью искусственного интеллекта. ПО анализирует большой набор данных и самостоятельно учится итеративно улучшать процесс.

Использование ИИ для контроля процесса наплавки для восстановления геометрии изношенных деталей

В рамках проекта "Усовершенствование искусственного интеллекта в процессе зондирования для адаптивного лазерного аддитивного производства" (Artificial Intelligence Enhancement of Process Sensing for Adaptive Laser Additive Manufacturing (AI-SLAM)) немецко-канадский консорциум совместно разрабатывает программное обеспечение, которое может быть использовано для автоматического запуска процессов аддитивного производства с прямым подводом энергии и материала (DED) для повышения качества износостойких деталей при их ремонте.

В Германии партнерами по сотрудничеству являются Институт лазерных технологий Фраунгофера ILT, Аахен, в нем ведется разработка процесса лазерного осаждения материалов (LMD), и разработчик программного обеспечения BCT из Дортмунда.

Канадские партнеры проекта - Национальный исследовательский совет Канады NRC, Университет Макгилла и Braintoy - сосредоточены на создании и тестировании ML-моделей на основе наборов данных, полученных в ходе процессов LMD в ИЛТ им. Фраунгофера и Apollo. Компания Apollo Machine and Welding Ltd в Альберте участвует в проекте в качестве поставщика промышленных услуг для DED.

Входные данные для ИИ предоставляются датчиками, которые следят за процессом сборки (пирометр, высокоскоростная тепловая камера, CCD-камера); периодически снимают данные по слоям (лазерный триангуляционный сканер).

Технологическая цепочка будет состоять из следующих этапов:

1) наращивание заранее определенного количества последовательных осажденных слоев;

2) периодический внутримашинный онлайн контроль наплавленных слоев;

3) оценка полученных данных с помощью ML-моделей;

4) адаптация планирования траектории инструмента и локальных параметров процесса для следующих слоев.

Рабочий процесс, включающий сканирование геометрии и автоматизированную генерацию траектории инструмента, уже был успешно продемонстрирован немецким партнером проекта BCT Steuerungs- und DV-Systeme GmbH, Дортмунд для уменьшенной версии шлифованного зацепляющего зуба ковша экскаватора (длина около 20 см).

На данном этапе проекта основные геометрические характеристики выбранных демонстрационных деталей служат ориентиром для разрабатываемых программ и моделей машинного обучения. Последним этапом трехлетнего проекта станет ремонт ряда деталей "под ключ".

[дополняется]