Milling force-induced elastic deformation modeling and physical constraint transfer prediction of thin-walled grid conical shell

تخيل غلافًا معدنيًا رقيقًا ومنحنيًا، يتخذ شكل مخروط، ومعززًا بشبكة من الأضلاع، يشبه إلى حد كبير الهيكل العظمي لجناح طائر أو إطار جسر. هذه الهياكل حيوية في مجالات الطيران واستكشاف أعماق البحار لأنها قوية للغاية وفي الوقت نفسه خفيفة الوزن بما يكفي لحمل أحمال ثقيلة دون إضافة وزن زائد. ومع ذلك، فإن تصنيع هذه الأجزاء يعد عملية توازن دقيقة. فعندما تقوم أداة آلة بإزالة المادة لتشكيل هذه الأغلفة، فإن قوة أداة القطع تضغط على المعدن الرقيق. ولأن المعدن رقيق جدًا والدعم من الأضلاع غير متساوٍ، فإن الغلاف ينحني قليلاً تحت هذا الضغط. هذا الانحناء غير مرئي بالعين المجردة أثناء عملية القطع، لكنه يغير عمق القطع. وعندما تبتعد الأداة ويتحرر الضغط، يرتد المعدن إلى شكله الأصلي، مما يترك السطح النهائي مختلفًا قليًا عما كان مقصودًا. يؤدي هذا إلى إنتاج جزء غير متساوٍ في السماكة، مما قد يضعف قوته وسلامته.

لقد كان التحدي الذي يواجه المهندسين هو التنبؤ بمدى حدوث هذا الانحناء بدقة. تعتمد الطرق التقليدية إما على نظريات رياضية معقدة تجد صعوبة في التعامل مع الأنماط غير المنتظمة للأضلاع، أو تستخدم محاكاة حاسوبية دقيقة للغاية ولكنها بطيئة ومكلفة لدرجة لا تسمح باستخدامها في كل عملية قطع على أرض المصنع الحقيقية. كما أن هناك نقصًا في البيانات الواقعية؛ إذ إن إجراء عدد كافٍ من الاختبارات الفيزيائية للتعرف على كل تغيير ممكن سيستغرق سنوات وسيدمر عددًا لا يحصى من الأجزاء باهظة الثمن. احتاج الباحثون إلى طريقة تجمع بين سرعة التنبؤات القائمة على البيانات وموثوقية القوانين الفيزيائية، خاصة عندما لا يملكون سوى عدد قليل من التجارب الحقيقية.

قام فريق من الباحثين في جامعة داليان للتكنولوجيا بتطوير نهج جديد لحل هذه المشكلة لهذه الأغلفة المخروطية ذات النمط الشبكي المحددة. فبدلاً من محاولة تخمين الشكل النهائي مباشرة من إعدادات الآلة، قاموا بتفكيك المشكلة إلى خطوتين متصلتين. أولاً، ركزوا على التنبؤ بالقوة التي تبذلها أداة القطع على المعدن. وللقيام بذلك، استخدموا تقنية تسمى "تعلم النقل" (transfer learning). بدأوا بتدريب نموذج حاسوبي على كمية هائلة من البيانات المحاكات، حيث يمكن للحاسوب تشغيل آلاف سيناريوهات القطع الافتراضية بسرعة. منح هذا النموذج فهمًا قويًا لكيفية سلوك الأداة بشكل عام. ثم أخذوا هذه المعرفة وصقلوها باستخدام مجموعة أصغر بكثير من البيانات المستمدة من تجارب الطحن الفعلية. سمح هذا للنموذج بتعلم الخصائص الدقيقة للآلة الحقيقية والمعدن الحقيقي دون الحاجة إلى آلاف الاختبارات الفيزيائية.

بمجرد أن يتنبأ النموذج بقوة القطع، فإنه يمرر هذه المعلومات إلى جزء ثانٍ من النظام. استخدم هذا الجزء الثاني مجموعة من القواعد الفيزيائية المستمدة من نظرية كيفية انحناء الأغلفة الرقيقة. لقد أخذ القوة المتوقبة والصلابة المحددة للمعدن في تلك النقطة بالضبط — مع مراعاة مدى قرب الأداة من ضلع أو فجوة — وحسب بدقة مقدار انحناء الغلاف. ومن خلال ربط التنبؤ القائم على البيانات لقوة القطع بالحساب القائم على الفيزياء للانحناء، أنشأ الباحثون نظامًا يتميز بالسرعة والاتساق الفيزيائي. وقد تحققوا من هذه الطريقة عن طريق طحن غلاف مخروطي من سبائك الألومنيوم، بدأ بسماكة 10 مليمترات وتم تشغيله وصولًا إلى ارتفاع ضلع نهائي قدره 3.5 مليمتر. استخدمت الآلة أداة قطع بقطر 10 مليمترات تدور بسرعة 5,000 دورة في الدقيقة.

أظهرت النتائج أن هذا النهج الهجين كان أكثر دقة بكثير من استخدام البيانات وحدها أو استخدام طرق المحاكاة التقليدية وحدها. وعند اختباره مقابل القياسات الحقيقية المأخوذة أثناء العملية، تنبأ النموذج الجديد بالتشوه المرن بدقة تزيد عن 93 بالمائة في معظم الحالات، مع وصول بعض أنماط الاختبار إلى دقة تتجاوز 95 بالمائة. وفي المقابل، أظهرت النماذج التي اعتمدت فقط على البيانات أو فقط على المحاكاة دون هذا الجمع المحدد بين التقنيات دقة أقل وعانت أكثر من التغيرات المفاجئة في صلابة المعدن. وتثبت الدراسة أنه من خلال معاملة قوة القطع كخطوة وسيطة حاسمة واستخدام قدر ضئيل من البيانات الواقعية لتصحيح قدر كبير من البيانات المحاكات، يمكن للمهندسين التنبؤ بشكل موثوق بكيفية سلوك هذه الأجزاء المعقدة ذات الجدران الرقيقة. وتوفر هذه القدرة مسارًا عمليًا لتصنيع هذه المكونات الحرجة المستخدمة في الطيران وأعماق البحار بالدقة العالية المطلوبة لعملها الآمن.