返回顶部
今日    | 手机版 | 资讯 | 产品 | 企业 | 热点 | 商道 | 原料 |
返回首页
返回首页
home 您现在的位置: 首页 >医用机器人>机械应用 > 详细信息
AI与粒子技术相结合,简化流动性和堆积密度预测
2022年08月21日    阅读量:675     新闻来源:中国机械网 okmao.com    |  投稿

圆形粒子及其性质易于数学描述。但形状越不圆或球形,就越难预测它们的行为。在凯瑟斯劳滕技术大学(TUK)的博士论文中,罗伯特·黑塞训练了一个神经网络来自动确定非球形颗粒的堆积密度和流动性。

自然界或工业生产中很少有颗粒是完全圆形的;相反,存在多种变体和形状特征。这正是为什么描述非球形粒子并根据描述优化其处理变得如此复杂的原因。例如,药片越圆,在灌装过程中与其他药片发生碰撞的可能性越小。当涉及到堆积密度时,扁平的圆柱形形状已经可以通过轻微的倒圆来优化。

但是,如何能够快速记录决定流动性和堆积密度的所有特性,从而得出形状选择的决定?先前需要的单个数学参数或模具组件的简化计算可以通过经过训练的人工智能自动导出鈥攊在这种情况下,我们称之为“深度卷积神经网络”鈥攗唱3D模型。

机械过程工程系的研究助理黑森报告说:“通过模拟,只有颗粒的形状发生变化,我创建了一个全面的实验数据集,并用它来训练神经网络。”。“使用3D打印粒子的标准化实验允许在测试阶段验证模拟方法鈥攖也就是说,要匹配模拟可以多精确地表示真实粒子。”

经过训练的神经网络现在从代表整个形状的任何三维点云中过滤出显著特征,如曲线、角点、边缘等。利用这些信息,它可以分析流动性和随机堆积密度。研究人员说:“例如,这对于优化制药产品在最小机器尺寸和包装尺寸方面的形状非常有用。”。

标签:机械应用人工智能技术中心系统及软件医用机器人
免责声明: 本文仅代表作者本人观点,与本网无关。本网对文中陈述、观点判断保持中立,不对所包含内容的准确性、可靠性或完整性提供任何明示或暗示的保证。请读者仅作参考,并请自行承担全部责任。本网转载自其它媒体的信息,转载目的在于传递更多信息,并不代表本网赞同其观点和对其真实性负责。如因作品内容、版权和其它问题需要同本网联系的,请在一周内进行,以便我们及时处理。客服邮箱:service@cnso360.com | 客服QQ:23341571

全站地图

深圳网络警察报警平台 深圳网络警
察报警平台

公共信息安全网络监察 公共信息安
全网络监察

经营性网站备案信息 经营性网站
备案信息

中国互联网举报中心 中国互联网
举报中心

中国文明网传播文明 中国文明网
传播文明

深圳市市场监督管理局企业主体身份公示 工商网监
电子标识