在DARPA“合金结构多目标工程与测试”(METALS)项目支持下,美国麻省理工学院、卡内基梅隆大学和利哈伊大学的研究人员合作开发出人工智能驱动的新型设计工具,用于优化复杂航空航天部件形状和材料选择。传统设计方法通常依赖单一材料来制造整个部件,这可能导致需要不同特性的区域出现缺陷。例如,在喷气发动机中使用的整体叶盘,不同位置的温度和应力需要抗蠕变、抗疲劳性、高强度等不同的热机械性能。现有的设计和制造流程迫使工程师试图寻找出一种奇特的材料来满足要求。该研究将经典力学分析与尖端的生成式AI设计技术相结合,通过整合机器学习、拓扑优化和生成建模等技术,能够实现同时优化多材料结构中的形状和合金成分梯度,根据喷气发动机部件的不同位置定制特定属性,从而提高性能和可靠性。相关研究的目的是利用增材制造的进步来实现基于体素的材料特性控制,为轻质耐用的航空航天部件铺平道路。该项目可能对航空航天技术产生重要影响,有望制造出更可靠、可重复使用的火箭发动机,用于下一代重型运载火箭。 (王冉)
海量资讯、精准解读,尽在新浪财经APP
VIP课程推荐
加载中...
APP专享直播
热门推荐
收起
新浪财经公众号
24小时滚动播报最新的财经资讯和视频,更多粉丝福利扫描二维码关注(sinafinance)