通过采用机器学习模型，已实现比传统有限元（FE）模型快1000至10000倍的速度提升，从而为大型复合组件实现近实时仿真。

图1. 在复杂零件加工过程中提供热化学分析的不同溶液，在保真度/准确性与仿真时间之间权衡。

纤维增强聚合物（FRP）复合材料的加工是一个复杂且多物理性的问题，涉及热质传递、热化学相变以及高度非线性和时间依赖的粘弹性应力发展。为了降低制造风险和整体生产成本，近年来更加重视工艺模拟以减少缺陷，而非依赖专业知识和反复试验。这种数字化赋能的方法通常使用通用的商用有限元（FE- finite element）仿真工具，如ABAQUS（法国达索系统，Vélizy-Villacoublay）或ANSYS（美国宾夕法尼亚州卡农斯堡），以及专门的有限元工具，如COMPRO（Convergent Manufacturing Technologies，加拿大温哥华），其中包含内置材料库，以表示复合材料在加工过程中的复杂演变。

目前工业界采用该方法依赖于对零件和工具进行昂贵的三维有限元分析，并对其进行对流加热。在初步设计阶段，需要多次设计迭代以确定零件厚度、铺层、固化周期以及模具材料和几何形状等细节。对于给定的大型部件，如复合材料机翼外皮，使用三维有限元素模拟的分析可能需要数周时间。

为了加速工艺仿真，在初步设计阶段可以使用降阶FE代替3D FE。例如，对于复合材料的热化学分析，薄件的主要热传递机制是贯穿厚度的传热方式，远离边缘和工具子结构。因此，一维FE分析可以作为对工件三维响应的良好近似，复杂工件也可以被划分为不同的区域，进行多次一维FE分析，而非在整个工件上进行完整的三维FE分析。这加快了初步设计阶段的工艺仿真。不过，速度与保真度之间存在权衡，如图1所示。

然而，从初步设计进入详细设计，需要完成多个三维有限元（FE）模拟。即使使用支持低阶工艺仿真的软件，如Convergent Manufacturing Technologies的复合材料生产性评估-热分析（CPA-TA- Composites Producibility Assessment – Thermal Analysis），大型复合材料组件的模拟仍可能需要几分钟到一小时。虽然这相比全3D FE有显著提升，但仍不足以高效探索整个设计光谱进行优化。

用机器学习替代FE

鉴于机器学习（ML）和数据驱动方法的最新进展，许多科学和工程分支已开始为不同应用机器学习。一个新兴应用是训练快速代理机器学习模型，以替代较慢的有限元模拟工具。在这种方法中，使用有限元素模型自动生成大量基于不同输入参数假设的数据。这些数据可用于训练不同的机器学习模型，如神经网络（NN-neural networks）、随机森林模型（random forest models）或高斯过程回归（GPR-Gaussian Process Regression）模型。经过适当训练的替代模型可以与用于训练的前端模型极为接近，但能显著提升模拟速度。

在华盛顿大学的Navid Zobeiry教授、不列颠哥伦比亚大学的Anoush Poursartip教授以及Convergent Manufacturing Technologies团队的近期合作中，除了低阶有限元建模外，还开发了替代机器学习模型，以加快复合材料加工仿真。本研究开发了替代 NN 模型以替代降阶 FE。这些模型是利用Convergent Manufacturing Technologies的RAVEN软件通过有限元模拟生成的数据，以及复合材料固化问题的理论（即理论引导机器学习，TGML-theory-guided machine learning）进行训练的。这些神经网络模型可以利用与有限元素模拟相同的输入，预测复合材料加工过程中的关键性能指标，包括放热固化反应期间的最大零件温度。平均而言，使用典型计算机工作站时，使用这些机器学习模型的速度提升比有限端模型高出1000到1万倍。这使得大型复合组件实现了近实时的仿真速度。

图2. 使用不同模拟方法比较Invar（殷钢）工具上代表性复合材料热化学分析的模拟时间

这些替代神经网络模型最近由Convergent Manufacturing Technologies在CPA-TA中实现，其性能已在大型复合材料机翼的工艺仿真中得到验证。图2展示了代表性的5×10米翼蒙皮设计，具有代表性的胶合板定义，厚度为40至80层，以及典型机翼蒙皮中的垫层、胶合板落板和其他特征。在典型计算机工作站上使用商业软件COMPRO在ABAQUS中进行机翼蒙皮的工艺仿真耗时数小时。值得注意的是，采用这种方法进行流程优化可能需要数天甚至数周时间。第二次尝试时，机翼蒙皮被划分为30个独特的一维几何形状。利用降阶有限元素分析，进行了九次整个机翼蒙皮的模拟，采用三个温度周期和三种工具厚度进行优化。这些使用 CPA-TA 在 CATIA 5 中的模拟大约需要半小时，使用同一台用于 3D FE 的计算机。

在最后一次演示中，使用训练好的神经网络模型在CPA-TA中进行了同样的模拟，取得了非凡的效果。类似于降阶有限效应，机翼蒙皮被划分为30个区域，并进行了9个不同模具厚度和空气温度曲线的模拟。然而，这些模拟仅用了两秒钟完成。对这些模拟方法的比较（见图2）清楚地展示了机器学习方法实现近实时仿真能力和对复杂复合结构的显著时间节省能力。值得注意的是，这里讨论的技术的成功同样可以应用于其他工程应用。