A back propagation neural network with improved sine cosine algorithm approach for multi-response drilling optimization of carbon fiber reinforced polymer (CFRP)
تقترح هذه الدراسة نهجاً متكاملاً يجمع بين الشبكة العصبية للانتشار العكسي وخوارزمية الجيب والجيوب المحسنة للتنبؤ وتحسين بارامترات الحفر متعددة الاستجابات لمركبات البوليمر المعززة بألياف الكربون، وذلك باستخدام الاختيار التكيفي للمشغل وإدارة المجموعات لتعزيز الأداء مقارنة بالطرق القياسية.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
في عالم الطيران عالي المخاطر، حيث يمثل كل أونصة من الوزن فارقاً جوهرياً، يعتمد المهندسون على مادة تتمتع بقوة الفولاذ وخفة الألمنيوم: وهي البوليمر المعزز بألياف الكربون. هذه المادة المركبة، المكونة من خيوط كربونية دقيقة للغاية مرتبطة معاً براتنج بلاستيكي، تشكل العمود الفقري لأجنحة وهياكل الطائرات الحديثة. ومع ذلك، فإن تحويل هذه الصفائح الصلبة إلى أجزاء قابلة للاستخدام يتطلب حفر آلاف الثقوب لربط الهيكل ببعضه البعض. وتبدو هذه المهمة، التي قد تبدو بسيطة، محفوفة بالمخاطر بالنسبة للمادة؛ فبسبب هشاشة الألياف وليونة الراتنج الرابط، يمكن للحرارة والضغط الناتجين عن ريشة المثقاب القياسية أن يتسببا في انفصال الطبقات أو تشققها، وهو ضرر يُعرف باسم "التورق" (delamination). وبمجرد حدوث هذا الضرر، تضعف السلامة الهيكلية للمكون بأكمله، مما قد يؤدي إلى فشل كارثي. ويتمثل التحدي الذي يواجه المصنعين في إيجاد المزيج المثالي بين سرعة المثقاب، ومعدل التغذية، وشكل الأداة لعمل ثقوب نظيفة دون إتلاف المادة الثمينة، وهو توازن تطلب طويلاً أسلوب التجربة والخطأ.
ولحل هذا اللغز، طور فريق من الباحثين من إندونيسيا وأستراليا استراتيجية رقمية جديدة تجمع بين أداتين قويتين: برنامج تعلم حاسوبي وخوارزمية بحث ذكية. بدأوا بإجراء سلسلة من تجارب الحفر الواقعية على ألواح ألياف الكربون. وباستخدام آلة متخصصة، قاموا بحفر ثقوب بنوعين مختلفين من ريش المثقاب — مثقاب لولبي قياسي ومثقاب "براد سبير" (brad spur) — مع تغيير سرعة المثقاب وسرعة تحركه داخل المادة بشكل منهجي. ومع كل ثقب، قاموا بقياس أربعة نتائج حاسمة: القوة الضاغطة على المثقاب، وعزم الدوران المطلوب لتدويره، وحجم الشقوق التي ظهرت عند كل من مدخل ومخرج الثقب. كما تتبعوا سرعة إزالة المادة. وفرت هذه القياسات الفيزيائية مجموعة غنية من البيانات التي كشفت بدقة كيف تؤثر الإعدادات المختلفة على جودة الثقب.
قام الباحثون بعد ذلك بتغذية هذه البيانات التجريبية في شبكة عصبية ذات انتشار خلفي (back propagation neural network)، وهي نوع من البرامج الحاسوبية المصممة للتعلم من الأمثلة تماماً كما يتعلم الطالب البشري من الكتاب المدرسي. ومن خلال تحليل العلاقة بين إعدادات الحفر والضرر الناتج، بنى الكمبيوتر نموذجاً تنبؤياً عالي الدقة. يمكن لهذا النموذج النظر إلى مجموعة جديدة من الإعدادات والتنبؤ فوراً بمستويات القوة وعزم الدوران والضرر المحتملة دون الحاجة إلى حفر ثقب فعلي. ومع ذلك، فإن معرفة كيفية التنبؤ بالنتيجة ليست سوى نصف المعركة؛ فالهدف الحقيقي كان العثور على أفضل مجموعة من الإعدادات التي تقلل الضرر إلى أدنى حد مع رفع الكفاءة إلى أقصى حد. ولتحقيق ذلك، استخدم الفريق نسخة محسنة من طريقة بحث تسمى "خوارزمية الجيب وجيب التمام" (sine-cosine algorithm). تخيل مشهداً طبيعياً شاسعاً من الإعدادات الممكنة، حيث توجد نقاط آمنة وأخرى خطرة؛ تعمل الخوارمة كدليل، حيث ترسل سرباً من المستكشفين الافتراضيين للبحث في هذا المشهد عن أدنى نقطة، والتي تمثل ظروف الحفر المثالية.
كمن ابتكار الفريق في كيفية تحسين دليل البحث هذا. فخوارزميات البحث القياسية قد تتعثر أحياناً في نقاط منخفضة محلية، معتقدة أنها وجدت الحل الأفضل بينما يوجد حل أفضل بالقرب منها. ولمنع ذلك، أضاف الباحثون قاعدتين جديدتين إلى خوارزميتهم. أولاً، منحوا الخوارزمية القدرة على اختيار استراتيجية البحث بشكل تكيفي بناءً على ما نجح في الخطوات السابقة، مما يعني عملياً التعلم من تاريخها الخاص لاتخاذ خطوات أكثر ذكاءً. ثانياً، قدموا تقنية لإدارة الجموع تضمن عدم تكتل المستكشفين الافتراضيين في نفس المكان بسرعة كبيرة. وقد حافظ هذا على تنوع البحث، مما سمح للخوارزمية باستكشاف مناطق مختلفة من مساحة الحل بشكل شامل قبل الاستقرار على إجابة نهائية. وعندما اختبروا هذا النظام المحسن مقابل النسخة القياسية، وجد النهج الجديد باستمرار حلولاً أفضل، حيث حدد مزيجاً معيناً من مثقاب لولبي، وسرعة دوران قدرها 3000 دورة في الدقيقة، ومعدل تغذية قدره 160.1 ملم في الدقيقة كالتكوين الأمثل.
تقدم نتائج هذه الدراسة مساراً واضحاً للمستقبل في مجال التصنيع. فقد وجد الباحثون أن استخدام المثقاب اللولبي ينتج عموماً ضرراً أقل عند مخرج الثقب مقارنة بمثقاب "براد سبير"، في حين أن سرعات الدوران العالية تساعد في تليين المادة قليلاً، مما يقلل من القوة المطلوبة والشقوق الناتجة. وعلى العكس من ذلك، فإن زيادة السرعة التي يتحرك بها المثقاب داخل المادة تزيد من القوة والضرر. ومن خلال الجمع بين نموذجهم الحاسوبي التنبؤي وخوارزمية البحث المحسنة، أثبت الفريق أنه من الممكن حساب معايير الحفر الدقيقة اللازمة لإنتاج ثقوب عالية الجودة بأقل قدر من الهدر. ولا يشير هذا العمل إلى مجرد إمكانية نظرية فحسب، بل يقدم طريقة ملموسة ومختبرة لتحسين عملية صناعية حيوية. وبينما يستمر قطاع الطيران في السعي نحو طائرات أخف وزناً وأكثر قوة، ستكون مثل هذه النهج القائمة على البيانات ضرورية لضمان أن الثقوب التي تربط هذه الهياكل المتقدمة معاً قد صُنعت بأقصى درجات الدقة والعناية.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.