Opis projektu
Nowe komponenty o zwiększonej odporności na pękanie
Europejski przemysł lotniczy i transportowy w coraz większym stopniu wykorzystuje drukowane przestrzennie elementy kompozytowe wzmacniane włóknami (AMC), które są wytwarzane w procesie modelowania z zastosowaniem osadzania topionego materiału. Nie powinno to dziwić, biorąc pod uwagę zalety tych technik (niższe koszty maszyn, materiałów i pracy, mniej odpadów produkcyjnych oraz stosowanie bardziej wydajnych materiałów). Istnieje jednak pewna trudność: elementy AMC mają złożoną, a w niektórych przypadkach kafelkowaną geometrię, co przekłada się na występowanie połączonych i quasi-kruchych mechanizmów uszkodzeń. W tym kontekście zespół finansowanego przez UE projektu AI2AM opracuje elementy o zwiększonej odporności na pękanie. W ramach projektu trenowane będą modele zastępcze, które znajdą zastosowanie w nowym modelu optymalizacji topologii w celu uzyskania optymalnych geometrii drukowanych przestrzennie.
Cel
"Additively Manufactured fibre reinforced composite (AMC) components manufactured via fused deposition modelling (FDM)
rapidly find applications within the European aerospace and transport industry , due to their well-known advantages mainly
relating to less machine, material and labour costs, less manufacturing waste, and usage of more efficient materials. A major
drawback of AMC components is their usually complex and in cases tessellated geometry; this gives rise to combined (e.g.
fibre pull-outs and matrix cracking) and quasi-brittle damage mechanisms that deviate from the usual “high strength and
ductile metal” design paradigm. Such a “complexity”, if controlled, can result in components of tailored mechanical
properties, e.g. of increased fracture toughness and pseudo-ductile post fracture response. Unfortunately, current analysis
and design methods lack the necessary level of refinement, or the underlying theoretical framework indeed, to efficiently
address this critical issue.
AI2AM aims to deliver a holistic approach to additively manufacture topologically optimum composite components of
increased fracture toughness. It will achieve this by developing a state-of-the-art fracture simulation framework for composite
structures harnessing the fidelity and computational advantages of phase field modelling for fracture and scaled boundary
finite element methods.
This high fidelity physics based ""continuum toolbox"" will be used to train surrogate models based on machine learning
methods. The surrogates will then be deployed within a novel topology optimisation framework to deliver optimal and 3D
printed geometries. The envisaged methodology crosses the boundaries of computational mechanics, optimisation, and
machine learning and brings together a talented academic with world-class experts in topology optimisation, composites,
and additive manufacturing."
Dziedzina nauki
- engineering and technologymaterials engineeringcomposites
- natural sciencesmathematicspure mathematicstopology
- natural sciencesmathematicspure mathematicsgeometry
- engineering and technologymechanical engineeringmanufacturing engineeringadditive manufacturing
- natural sciencescomputer and information sciencesartificial intelligencemachine learning
Słowa kluczowe
Program(-y)
Temat(-y)
System finansowania
MSCA-IF - Marie Skłodowska-Curie Individual Fellowships (IF)Koordynator
157 80 ATHINA
Grecja