StampFormer: A Physics-Guided Material-Geometry-Coupled Multimodal Model for Rapid Prediction of Physical Fields in Sheet Metal Stamping

ملخص تقني: StampFormer

بيان المشكلة
يعتمد التصميم التقليدي لتشكيل الصفائح المعدنية على تحليل العناصر المحدودة (FEA) للتحقق من الصلاحية. وبينما يوفر تحليل العناصر المحدودة تنبؤات عالية الدقة للمجالات الفيزيائية (مثل الترقق، والانفعال، والإزاحة)، إلا أنه مكلف حوسبياً، وغالباً ما يتطلب ساعات أو أياماً لكل محاكاة. هذا التأخير يخلق عنق زجاجة في دورة التصميم، مما يمنع التكرار السريع والتقييم الفوري لإمكانية التصنيع. تحاول النماذج البديلة القائمة على الذكاء الاصطناعي الحالية تسريع هذه العملية، لكنها تعاني من قيود كبيرة: فالنماذج القائمة على القيم القياسية (scalar-based) تفشل في التقاط معلومات المجال المكاني الشاملة، بينما تركز النماذج القائمة على الصور حالياً على هندسة الجزء فقط، متجاهلة التأثير الحاسم لخصائص المادة (استجابات الإجهاد-الانفعال) على نتائج التشكيل.

المنهجية
لمعالجة هذه الفجوات، يقترح المؤلفون StampFormer، وهو إطار عمل للتعلم العميق متعدد الوسائط، موجه بالفيزياء ومترابط بين المادة والهندسة. تم تصميم النموذج لاستقبال وسائط مدخلات متميزة:

1. البيانات الهندسية: صورة خريطة ارتفاع ثنائية الأبعاد (608 × 768 بكسل) مستمدة من هندسات CAD ثلاثية الأبعاد عبر الإسقاط في مستوى Z.
2. بيانات المادة: متجه أحادي البعد يمثل منحنى الإجهاد-الانفعال (يتم أخذ عينات منه عند 100 نقطة).

تتكون البنية من ثلاثة مكونات أساسية:

• شبكة الهندسة المعززة بالمادة (MAGN): تقوم هذه الوحدة بعملية الدمج الأولية للوسائط. فهي تعالج منحنى الإجهاد-الانفعال أحادي البعد من خلال مشفر المحول (Transformer Encoder) لتوليد تضمين مادي عالمي. ثم يتم رسم هذا التضمين في المجال المكاني عبر مدرك متعدد الطبقات (MLP) وإضافته إلى خريطة الميزات الهندسية (تعديل الميزات المدركة للمادة). يتم دمج الهندسة الخام مع خريطة الميزات المدمجة هذه للحفاظ على معلومات الحدود قبل تمريرها إلى العمود الفقري للنموذج.
• وحدة حقن تضمين المادة الهرمية (HMEIU): لضمان تأثير خصائص المادة على الشبكة في جميع المقاييس، تعمل هذه الوحدة بالتوازي مع المشفر. وهي تعمل على تحسين تضمينات المادة عند مستويات هرمية متعددة وتعمل على حقنها في تدفق البيانات الرئيسي بعد كل مرحلة لخفض العينة (دمج الرقع - Patch Merging). وهذا يسمح للنموذج بتعلم كيفية تأثير الخصائص المادية العالمية على الميزات الهندسية الدقيقة والمجردة على حد سواء.
• شبكة Swin-UNet الموجهة بالفيزياء (PGSU): العمود الفقري هو نسخة معدلة من Swin-UNet، تستخدم آلية الانتباه الذاتي متعدد الرؤوس القائم على النوافذ (W-MSA) ضمن بنية مشفر-مفكك متماثلة. وهي تعالج الميزات المعززة بالمادة للتنبؤ بالمجالات الفيزيائية النهائية.

توليد البيانات
استخدمت الدراسة مجموعتي بيانات: إحداهما للصلب والأخرى للألومنيوم.

• بيانات المادة: تم توليد مجموعات بيانات مواد افتراضية لضمان التنوع. تم توسيع مجموعة بيانات الصلب من 101 منحنى حقيقي إلى 600 منحنى معزز عبر خمس مجموعات (clusters). وتم توسيع مجموعة بيانات الألومنيوم من 11 منحنى حقيقياً إلى 110 منحنى معزز.
• البيانات الهندسية: تم توليد 600 هندسة فريدة ثلاثية الأبعاد باستخدام أخذ العينات بالترتيب المتساوي (Latin Hypercube Sampling - LHS) عبر بارامترات رئيسية (أنصاف الأقطار، زوايا الميل، وأبعاد الحواف).
• المحاكاة: تم إجراء إجمالي 6,000 محاكاة للعناصر المحدودة (3,000 لكل مادة) باستخدام برنامج PAM-STAMP. قامت كل محاكاة بربط هندسة فريدة مع مادة من مجموعة محددة. وتمت إعادة إسقاط نتائج FEA ثلاثية الأبعاد على اللوح ثنائي الأبعاد الأصلي لإنشاء صور مستهدفة للترقق، والانفعال الرئيسي، والانفعال الثانوي، والانفعال اللدن، والإزاحة ثلاثية الأبعاد.

المساهمات الرئيسية

1. التكامل متعدد الوسائط: يُقدم StampFormer كأول نموذج بديل للتشكيل بالصفائح يعتمد على الصور يجمع صراحةً بين هندسة الجزء ثنائية الأبعاد واستجابات الإجهاد-الانفعال أحادية البعد للمادة، مما يعالج قصور النماذج التي تقتصر على الهندسة فقط.
2. استراتيجية الدمج ثنائية المرحلة: يتيح تقديم MAGN وHMEIU دمجاً فعالاً عبر الوسائط، مما يضمن دمج خصائص المادة في كل من مستوى المدخلات الأولي وعبر عملية استخراج الميزات الهرمية.
3. التنبؤ بالمجال الشامل: على عكس النماذج البديلة القائمة على القيم القياسية، يتنبأ النموذج بنتائج المجال الكامل لخمسة مخرجات فيزيائية حرجة (الترقق، الانفعال الرئيسي/الثانوي/اللدن، والإزاحة).

النتائج
تم تقييم النموذج على مجموعة اختبار تضم 300 عينة لكل مادة (الصلب والألومنيوم).

• الدقة: حقق النموذج متوسط خطأ نسبي أقل من 8.5% للمجالات الفيزيائية الأربعة ثنائية الأبعاد (الترقق، الانفعالات). وبالنسبة لمجال الإزاحة ثلاثية الأبعاد، كان متوسط مربع الخطأ (MSE) أقل من 1.2 مم².
• الأداء النوعي:
  • الصلب: تراوحت متوسطات الأخطاء النسبية بين 4.5% و7.2% عبر المجالات ثنائية الأبعاد.
  • الألومنيوم: تراوحت متوسطات الأخطاء النسبية بين 3.5% و8.2%. ويشير المؤلفون إلى وجود ذيول خطأ أعلى قليلاً للألومنيوم، ويعزون ذلك إلى انخفاض مطيليته (ductility) وتدرجات الانفعال الحادة لديه.
• التوافق البصري: أظهر التحليل النوعي لمخططات حدود التشكيل (FLDs)، وخرائط الترقق، والأسطح ثلاثية الأبعاد المعاد بناؤها توافقاً قوياً مع نتائج FEA الحقيقية، لا سيما في تحديد مناطق الترقق الحرجة وأشكال الأجزاء.
• السرعة: بينما كانت محاكاة FEA تتطلب عدة ساعات، قدم StampFormer تنبؤات في أقل من ثانية واحدة على وحدة معالجة رسومات (GPU) واحدة، مما يمثل تسريعاً بأكثر من ثلاثة أوامر قدرية (orders of magnitude).

الأهمية
يزعم المؤلفون أن StampFormer يوفر إطار عمل عملياً وفعالاً لتقييم إمكانية التصنيع في الوقت الفعلي في مراحل مبكرة من دورة التصميم. ومن خلال دمج خصائص المادة مع الهندسة، يمكن للنموذج تمكين المصممين من إجراء فحوصات سريعة للجدوى كانت مستحيلة سابقاً بسبب تأخير FEA. يدعم هذا الإطار التحول من سير عمل التصميم والتحقق الخطي التقليدي إلى عملية تفاعلية مدعومة بالذكاء الاصطناعي. وتؤكد الدراسة أن قدرة النموذج على التعميم عبر نطاق واسع من خصائص المواد والاختلافات الهندسية تجعله مناسباً للفحص الصناعي، رغم أن المؤلفين يشيرون إلى أن القدرة على الانتقال إلى عائلات أجزاء جديدة تماماً تظل مجالاً للعمل المستقبلي.