Symulacje materiałowe

Symulacje komponentów poddanych obciążeniom mechanicznym i termicznym

Przeprowadzenie symulacji komponentu z uwzględnieniem jego kształtu, materiału i występujących obciążeń mechanicznych i termicznych pozwala na określenie stanu materiału. Możliwe jest wyznaczenie stanu naprężenia, strefy uplastycznienia, rozkładu temperatury itp. Wynik symulacji daje wskazania na temat miejsc najbardziej podatnych na uszkodzenie lub zużycie. Może również pomóc dobrać materiał odpowiedni do produkcji danej części.

Ewolucja mikrostruktury – duże odkształcenia plastyczne

Mikrostruktura materiałów poddanych przeróbce plastycznej może zmieniać się w bardzo istotny sposób. Symulacje zmian modułów umocnienia, tekstury krystalograficznej, czy rozkładu kątów misorientacji pozwalają na stwierdzenie, na ile dany proces przeróbki plastycznej wpływa na zmianę właściwości danego materiału. Przykładowe procesy, to walcowanie, przeciskanie, wyciskanie i procesy tzw. intensywnej deformacji plastycznej.

Wyznaczanie parametrów materiałowych niestandardowych modeli

Wyznaczenie parametrów dla zaawansowanych modeli konstytutywnych opisujących materiały anizotropowe, kompozyty, materiały o silnej teksturze (np. blachy po walcowaniu czy pręty po wyciskaniu) na podstawie typowych eksperymentów bywa skomplikowanym zadaniem. Proponujemy zastosowanie metod optymalizacji (m. in. algorytmów genetycznych) do wyznaczenia parametrów modeli konstytutywnych na podstawie dostępnych wyników eksperymentalnych.

Rozwiązania programistyczne dostosowane do indywidualnych zbiorów danych

W przypadku wielu zakładów produkcyjnych zbierane są duże ilości danych z różnego rodzaju czujników. Wpływ parametrów procesowych na ostateczny wynik jest często możliwy dzięki intuicji doświadczonych pracowników z wieloletnim stażem. Proponujemy zastosowanie najnowocześniejszych technik sztucznej inteligencji i uczenia maszynowego do opracowania oprogramowania, które w automatyczny sposób podpowie operatorowi, jak ustawić parametry procesu tak, aby uzyskać pożądany wynik.

Oparte na sztucznej inteligencji oprogramowanie do analizy obrazów dostosowane do potrzeb użytkowników

Automatyzacja analizy obrazów przemysłowych pozwala na ogromne oszczędności czasu i kosztów. Przykładem może być wykrywanie i klasyfikacja defektów na powierzchni taśm stalowych. Samo wykrywanie można przeprowadzić przy użyciu stosunkowo prostych metod, np. porównując poziomy szarości. Natomiast do określenia typu defektu, zwykle potrzebne jest już użycie uczenia maszynowego, np. głębokich konwolucyjnych sieci neuronowych.

Zapytaj o szczegóły:

Karol Frydrych – specjalista
numer telefonu: 22 273 25 15
adres email: karol.frydrych@ncbj.gov.pl