奖章项目将机器学习应用于航空创新

这就是MEDAL项目的目标:增材制造实验设计的机器学习Intellegens是剑桥大学专门研究人工智能的分支机构谢菲尔德大学AMRC西北,波音公司．它旨在通过使用机器学习模型优化新金属合金的增材制造(AM)来加速航空航天部件的产品开发生命周期。

合作如何推动增材制造的进步

MEDAL项目的研究将集中于金属激光粉末床熔合，并将重点放在制造高密度、高强度部件所需的所谓参数变量上。

该项目是国家航空航天技术开发计划(NATEP)的一部分，该计划由商业、能源和工业战略部资助，由航空航天技术研究所(ATI)和创新英国合作，为英国中小企业开发创新航空航天技术提供1000万英镑的倡议。

Intellegens首席执行官Ben Pellegrini在一份声明中表示:“机器学习、实验设计和增材制造的交叉具有巨大的潜力，不仅可以在航空航天领域快速开发和部署定制部件，波音公司的参与证明了这一点，还可以在医疗、运输和消费产品应用中使用。”

谢菲尔德大学AMRC西北研究主任James Hughes补充说:“金属AM的采用存在许多障碍，但为用户，也许更重要的是新用户提供加工所需材料所需的工具，不应该是其中之一。”“凭借AMRC在AM方面的知识，以及Intellegens的人工智能工具，所有所需的经验和专业知识都已具备，以便提供一个快速、数据驱动的软件工具集，用于开发金属AM工艺的参数，使其更便宜、更快。”

航空航天部件必须承受一定的载荷和耐温性，而一些材料的性能有限。同时，人们也在推动更轻的重量和更高的耐温性，以获得更好的燃油效率，将新的或以前不切实际的金属引入航空航天领域。

AM的主要缺点之一是目前可用的材料选择有限，而新材料的设计，特别是在航空航天工业中，需要昂贵而广泛的测试和认证周期，可能需要超过一年的时间才能完成，成本高达100万英镑。MEDAL项目旨在加快这一进程。

“这个项目中的机器学习解决方案可以显著减少大约80%的实验周期，”佩莱格里尼说:“软件平台将能够建议优化AM加工参数所需的最重要的实验，以制造出满足特定目标性能的部件。该平台将使AM金属合金的开发过程更节省时间和成本效益。这反过来又将加速生产更轻量化和集成化的航空航天部件，从而制造更高效的飞机，改善环境影响。”