بهینهسازی ارتعاشات سازههای سبک با هوش مصنوعی
به گزارش کارگروه فناوری اطلاعات سایبربان؛ بهینهسازی مهندسی ارتعاشات سازههای سبک میتواند به قدری پیچیده شود که دیگر با روشهای متداول قابل کنترل نباشد. «Fraunhofer LBF»، مؤسسه دوام ساختاری و اعتبار سیستم، روشهای جدیدی را در راستای بهینهسازی لرزش سیستمهای پیچیده براساس الگوریتمهای تکاملی ایجاد میکند.
سیستمهای فنی بهطور فزایندهای در حال پیچیده شدن هستند و در عین حال قرار است سبکتر شوند. با توجه به این چالشها، بهینهسازی ارتعاشات سازههای سبک میتواند بهسرعت پیچیده شود بهطوری که با روشهای متداول قابل کنترل نباشد. فضای راهحل بسیار بزرگ میشود و ابزارهای مختلف مهندسی ارتعاشات که با یکدیگر در تعامل هستند، میتوانند اثرات غیرمنتظرهای در پی داشته باشند. درنتیجه مؤسسه روشهای جدیدی برای بهینهسازی لرزش سیستمهای پیچیده ارائه میدهد. این روشها براساس الگوریتمهای تکاملی هستند و امکان یافتن راهحل سریع و خودکار را میدهند. این راهحل اطراف یک کتابخانه قابل گسترش با اقدامات مختلف منفعل، نیمه فعال و فعال ساخته شده که میتواند بهصورت ترکیبی نیز مورد استفاده قرار گیرد.
به منظور جلوگیری از ایجاد لرزشهای مزاحم یا مهم فرآیند، اغلب از اقدامات اضافی مهندسی لرزش مانند کمک فنر یا دامپر استفاده میشود. بهخصوص در سیستمهای توزیع شده، روشهای بهینهسازی متعارف به دلیل تعامل اثرات مختلف با یکدیگر گسترش مییابند. دانشمندان Fraunhofer LBF براساس سالها تجربه میتوانند مشکلات مهندسی ارتعاشات از جمله آنالیز تجربی و عددی یا اجرای اقدامات مناسب را انجام دهند. در حال حاضر استفاده از هوش مصنوعی فرصتی برای رسیدن سریعتر به بهترین راهحلها است؛ شرکتهایی که مشکلاتی در رابطه با ارتعاشات، سر و صدا یا لرزش دستگاهها دارند، میتوانند از تجزیه و تحلیل مشکل تا راهحل آن، یک راهحل کامل از Fraunhofer LBF بگیرند.
کاهش لرزش خودکار در ابزارهای دستگاه
مثال کاربردی زیر چگونگی دستیابی به این امر را نشان میدهد :
در ماشینآلات برای ماشینکاری قطعات بزرگ، جرم قطعه کار تأثیر قابل توجهی در رفتار پویای دستگاه دارد. به منظور جلوگیری از ایجاد لرزشهای مزاحم و مؤثر بر کیفیت قطعه، اقدامات اضافی کنترل لرزش مانند : کمک فنر، خنثی کننده یا اجزای میرایی انجام میشوند. به عنوان یک قاعده، این اقدامات باید دقیقاً متناسب با ساختار یا محرک مورد اطمینان باشند. اگر این تغییر کند، به عنوان مثال به دلیل قطعات تودههای مختلف، تنظیم باید دوباره صورت گیرد. به گفته دانشمندان مؤسسه، هوش مصنوعی به همراه اقدامات کنترل لرزش تطبیقی میتوانند بهطور مؤثر این چالش را برطرف کنند.
اگر یک ماشین مجهز به تعدادی اقدامات مهندسی لرزش مثلاً جاذبهای تطبیقی یا یاتاقانهای دستگاه باشد، میتوان از یک مدل کاهش یافته ماشین و دانش قطعه کار، که باید ماشینکاری شود، برای تنظیم بهینه اقدامات پیشمجهز با الگوریتم هوش مصنوعی توسعه یافته استفاده کرد. در این روش، حداکثر کیفیت مؤلفه از همان اولین قطعه کار قابل دستیابی است. برای درک تنظیم خودکار اقدامات کنترل لرزش، Fraunhofer LBF در حال حاضر انواع مختلف جاذبهای تطبیقی و مونتاژ دستگاه را بهصورت یک و 2 بعدی اجرا کرده است. اجرای 3 بعدی نیز در حال انجام است.