基于图像的 AI 驱动代理模型与形状变形器用于热冲压过程中实时坯料形状优化
计算机视觉与模式识别
2022-12-13 v1 人工智能
机器学习
摘要
随着现代制造技术复杂性的增加，需要迭代且昂贵的仿真的传统试错设计变得不可靠且耗时。这一困难对于热冲压安全关键部件（如超高强度钢（UHSS）B 柱）的设计尤为显著。为降低设计成本并确保可制造性，基于标量的 AI 驱动代理建模（SAISM）已被研究并应用，其可实现实时受可制造性约束的结构设计优化。然而，SAISM 存在精度与泛化性低的问题，且通常需要大量训练样本。为解决该问题，本研究开发了基于图像的 AI 驱动代理建模（IAISM）方法，并结合基于自解码器的坯料形状生成器。IAISM 基于 Mask-Res-SE-U-Net 架构，经训练可在给定任意坯料形状时预测成形后部件的全减薄场。仅用 256 个训练样本即实现了 IAISM 优异的预测性能，这表明使用结构化数据表示的工程 AI 任务具有小样本学习特性。将训练好的自解码器、训练好的 Mask-Res-SE-U-Net 与 Adam 优化器集成，通过修改潜向量来进行坯料优化。该优化器可快速找到满足可制造性准则的坯料形状。作为一种高精度且可泛化的代理建模与优化工具，所提流程有望集成到全链数字孪生中以进行实时、多目标设计优化。
引用
@article{arxiv.2212.05885,
title = {Image-based Artificial Intelligence empowered surrogate model and shape morpher for real-time blank shape optimisation in the hot stamping process},
author = {Haosu Zhou and Nan Li},
journal= {arXiv preprint arXiv:2212.05885},
year = {2022}
}
备注
32 pages, 11 figures